Soluzioni KI personalizzate · Use-Cases per settore

Sei settori,
sei concreti Soluzioni IA.

Nessun prodotto standard. Ogni soluzione viene integrata nella vostra applicazione Django e dialoga direttamente con il vostro database. Qui vedete concretamente come appare — per settore, con esempi e dettagli tecnici.

Studi e segreterie → IT On-Premise → Studi legali → Hotel & Ristorazione → Artigianato & Produzione → Consulenza e audit →

● Soluzioni IA

Studi & Segreterie: La KI risponde al telefono.

Cliniche di apparecchi acustici, studi medici e terapisti perdono ogni giorno ore al telefono per fissare appuntamenti, disdette e domande standard. Costruiamo agenti KI che rispondono al telefono, dialogano con il vostro database Django o PostgreSQL e passano al team solo i casi davvero complessi.

  • Agente vocale con Whisper + Llama 3.1 per DE/IT/EN
  • Collegamento diretto al database degli appuntamenti (disponibilità verificata in tempo reale)
  • Identificazione del paziente tramite data di nascita + nome, conforme al DSGVO
  • Escalation al team in caso di parole chiave di emergenza o incertezze
Llama 70B + Whisper 4–8 Wo Pilota on-premise Prezzo fisso su richiesta

Codice di esempio · Django + Agente

# patient_agent.py — KI nimmt Anruf entgegen
from codlab.ki import VoiceAgent
from praxis.models import Patient, Termin

agent = VoiceAgent(
  llm = "llama-3.1-70b",
  asr = "whisper-large-v3",
  deploy = "on-premise",
)

def handle_call(caller):
  patient = Patient.objects.match(
    name = caller.spoken_name,
    dob  = caller.spoken_dob,
  )
  if patient.verify():
    return agent.book_termin(patient)
  agent.escalate_to_team()

Stack On-Premise

# docker-compose.yml — alles im Firmennetz
services:
  llama:
    image: ollama/ollama:latest
    runtime: nvidia
    volumes: [./models:/root/.ollama]

  monitor-agent:
    image: codlab/monitor-agent:1.0
    environment:
      LLM_URL: http://llama:11434
      LOG_SOURCE: /var/log/syslog
    # Auf eigenem Server
    # Keine Logs verlassen das Netz

  pgvector:
    image: ankane/pgvector:latest

● Soluzioni IA

Infrastruttura IT: Llama sul vostro server, non nel cloud.

Per le aziende con infrastruttura server propria, distribuiamo LLM (Llama 3.1, Mistral, DeepSeek) su hardware GPU locale. L'agente analizza i log, classifica gli incidenti, crea ticket e segnala anomalie — senza che un solo byte lasci la vostra firewall.

  • Llama 3.1 70B o Mistral Large su RTX 4090 / L40S
  • Classificazione dei log (critico / avviso / rumore) in tempo reale
  • Auto-ticket in Jira/Zammad/OTRS con passaggi di riproduzione
  • Manutenzione e aggiornamenti inclusi — conosciamo Ollama + vLLM ProdOps
Llama 70B su GPU propria 6–10 Wo Pilota Hardware separato Prezzo fisso su richiesta

RAG · pgvector + Llama

Studi legali: RAG su decine di migliaia di PDF.

Mandati, sentenze, contratti — uno studio legale ha decine di migliaia di PDF che nessuno può cercare completamente. Costruiamo un sistema RAG con Llama locale e pgvector, che fornisce risposte precise con citazione delle fonti in pochi secondi. Nessun dato del cliente lascia lo studio.

  • Pipeline di ingestione per PDF, DOCX, documenti scansionati (OCR)
  • Ricerca semantica con citazione delle fonti e punteggio di confidenza
  • Permessi per mandato — RAG vede solo i documenti autorizzati
  • Conforme a BRAO + DSGVO, On-Premise o VM dedicate nell'UE
RAG + pgvector 5–8 Wo Pilota EU-Hosting obbligatorio Prezzo fisso su richiesta

Pipeline RAG · semplificata

# Frage stellen, Antwort mit Quelle bekommen
from codlab.rag import RAG

rag = RAG(
  llm   = "llama-3.1-70b",
  embed = "bge-m3",
  store = "pgvector",
  perms = mandant_filter,
)

answer = rag.query(
  "Klausel Haftungsausschluss BGB §831?"
)

for source in answer.sources:
  print(source.file, source.page)
  # Mandant-2024-Mueller.pdf p.12
  # Konfidenz: 0.94

Agente di prenotazione multi-canale

# gastro_agent.py
from codlab.ki import Agent
from restaurant.models import Tisch, Reservierung

agent = Agent(
  llm = "claude-haiku",
  # Cloud reicht: keine sensiblen Daten
  channels = ["web", "email", "telefon"],
)

def handle_reservation(request):
  tisch = Tisch.objects.available(
    datum = request.datum,
    pers  = request.personen,
  )
  if tisch:
    return Reservierung.create(...)
  agent.suggest_alternative(...)

Cloud-API · Claude / GPT-4

Hotel e ristorazione: Agente di prenotazione su tutti i canali.

Le prenotazioni arrivano tramite web, e-mail, telefono, a volte Instagram. Un agente KI unisce questi canali, controlla la disponibilità dei tavoli in tempo reale nel tuo database, suggerisce alternative e invia conferme + promemoria automaticamente. Collegamento diretto a Riservati o al tuo sistema esistente.

  • Cloud-LLM (Claude Haiku o GPT-4) — latenza più importante di On-Premise
  • Multilingue DE/IT/EN/FR, con tono culturalmente appropriato
  • Collegamento a POS, piano dei tavoli, CRM per prenotazioni
  • Riduzione dei no-show tramite promemoria automatici 24 ore prima
Claude / GPT-4 / Cloud-API 3–6 Wo Pilota Multi-Channel Prezzo fisso su richiesta

Agenti di workflow · Ibrido

Artigianato e produzione: KI estrae ordini dalle e-mail.

Gli ordini arrivano via e-mail con PDF, foto, a volte un biglietto scritto a mano. Un agente KI estrae i dati strutturati (articolo, quantità, data di consegna), li confronta con il tuo sistema di gestione delle merci e crea automaticamente l'ordine — oppure chiede chiarimenti se qualcosa non è chiaro.

  • OCR + Vision-LLM (Llama 3.2 Vision o GPT-4 Vision)
  • Collegamento a Sage, Lexware, DATEV o al vostro ERP
  • Verifica di plausibilità rispetto a giacenze e tempi di consegna
  • Umano nel loop: in caso di incertezza, richiesta di chiarimenti, nessuna auto-pubblicazione cieca
Vision-LLM + OCR 4–8 Wo Pilota Integrazione ERP Prezzo fisso su richiesta

Pipeline E-Mail a Ordine

# auftrag_extractor.py
from codlab.ki import VisionAgent
from erp.models import Auftrag, Artikel

vision = VisionAgent(
  llm = "llama-3.2-vision",
  schema = AuftragSchema,
)

def on_email(mail):
  data = vision.extract(mail.attachments)
  if data.confidence > 0.92:
    Auftrag.objects.create(**data)
  else:
    vision.ask_human(data.unclear)

Classificazione del rischio secondo l'AI-Act

# Pragmatischer Audit-Workflow
1. Inventar di tutti i sistemi KI in azienda
2. Klassifizierung in base al rischio dell'AI-Act
   ↳ minimal    # Spam-Filter, Suche
   ↳ limited    # Chatbot, RAG, Generator
   ↳ high       # HR, Kredit, biometrisch
   ↳ verboten   # Social-Scoring
3. Dokumentation Obblighi per livello
4. DSGVO-Cross-Check
5. Roadmap Compliance entro il 2026/2027

# Liefergegenstand: 8–15 Seiten,
# keine 200-Seiten-Kanzleigutachten

EU AI Act · DSGVO

Consulenza e audit: AI-Act senza panico.

Usate già KI (anche se magari non la chiamate così) e vi chiedete cosa richiederà da voi l'EU AI Act da agosto 2026. Facciamo un audit pragmatico, classifichiamo i vostri sistemi e consegniamo una roadmap — non un parere legale di 200 pagine, ma una lista con «questo dovete farlo, questo no».

  • Inventario di tutti i sistemi KI esistenti (interni ed esterni)
  • Classificazione del rischio secondo l'AI-Act (minimale / limitato / alto)
  • Documentazione obbligatoria e requisiti di trasparenza
  • Controllo incrociato DSGVO: dove si sovrappongono gli obblighi?
AI Act + DSGVO 2–3 Wo Consegna 8–15 Seiten Oggetto della consegna Prezzo fisso su richiesta

La sua industria manca? Parliamone.

Le sei soluzioni qui mostrate sono solo le più comuni. Abbiamo anche dotato di KI cooperative, amministrazioni cimiteriali e produttori di mobili. Ci dica cosa desidera automatizzare — le diremo onestamente se la KI è adatta.

Primo colloquio gratuito → Torna alla panoramica dell'IA