Chi vuole integrare l’AI in azienda deve fare i conti con un problema ricorrente: un modello linguistico, da solo, non dispone necessariamente delle informazioni aggiornate, delle autorizzazioni e dei collegamenti necessari per intervenire in un processo. Occorre costruire attorno al modello un ambiente che renda accessibili i dati pertinenti, governi le operazioni e permetta di verificarne i risultati. Almaviva ha creato ULTRA proprio per riunire questi elementi attraverso un’impostazione comune, adattabile alle esigenze del cliente. I Modelli Velvet si occupano di elaborare il linguaggio, l’ecosistema Giotto di collegare dati e sistemi e la piattaforma AIWave di costruire applicazioni e coordinare le attività dell’intelligenza artificiale.
Velvet: tre dimensioni per esigenze differenti
La famiglia Velvet, sviluppata in Italia, costituisce la componente linguistica del framework e declinata in tre versioni copre diverse esigenze per capacità, lingue supportate e risorse di elaborazione. Velvet 2B, con due miliardi di parametri, lavora in italiano e inglese ed è proposto per applicazioni in tempo reale e ambienti con capacità di calcolo limitata, compresi quelli edge. Tra le funzioni dichiarate figurano classificazione, estrazione di informazioni, traduzione e risposta a domande. È disponibile a pesi aperti con licenza Apache 2.0. Un modello di queste dimensioni può essere valutato per attività circoscritte e frequenti: classificare richieste di assistenza, riconoscere dati in un documento o assegnare un messaggio alla categoria corretta. La possibilità di impiegarlo in ambienti periferici apre inoltre a elaborazioni vicine al punto di raccolta dei dati.
Velvet 14B sale a 14 miliardi di parametri e supporta italiano, inglese, spagnolo, portoghese brasiliano, tedesco e francese. La finestra di contesto da 128mila token consente di fornire materiale testuale esteso. Alle capacità di sintesi, comprensione ed estrazione si aggiunge il function calling con cui il modello può richiedere a un’applicazione di eseguire funzioni esterne. Anche questa versione è distribuita con licenza Apache 2.0. Il function calling è molto utile per collegare la conversazione alle operazioni: un assistente può, per esempio, richiedere una ricerca in un archivio o la consultazione di un gestionale.
Velvet 25B, con 25 miliardi di parametri, amplia il supporto alle 24 lingue ufficiali dell’Unione europea, mantenendo un contesto da 128mila token. Il posizionamento riguarda testi lunghi e complessi e produzione di risultati strutturati. Sono caratteristiche interessanti per organizzazioni che devono trattare documentazione multilingue o estrarre informazioni in formati utilizzabili dai sistemi aziendali.
Per scegliere la versione giusta, bisogna valutare attentamente i risultati e le necessità con prove sul compito reale. In generale, più parametri comportano generalmente maggiori esigenze di calcolo, ma non sempre garantiscono il miglior rapporto tra accuratezza, latenza e costo per ogni applicazione.
Giotto: collegare il patrimonio informativo
Una volta interpretata la richiesta, la palla passa a Giotto che interviene sul collegamento tra fonti e sistemi. L’ecosistema comprende tecnologie per Big Data, Internet of Things, sistemi informativi geografici e AI, insieme a strumenti di interoperabilità e integrazione. Giotto Connect è la componente dedicata al raccordo fra sistemi. I tipici campi di applicazione comprendono sanità digitale, città intelligenti, monitoraggio ambientale e territoriale e le informazioni possono provenire da archivi amministrativi, applicazioni operative, sensori e servizi geografici, con formati e frequenze di aggiornamento differenti.
In un progetto AI, il contributo di questa componente consiste nel rendere sfruttabile un patrimonio informativo distribuito. Un assistente per gli operatori, per esempio, acquista valore quando può accedere alle procedure e ai dati pertinenti al lavoro da svolgere. Qualità, aggiornamento e permessi sulle fonti diventano quindi parte integrante del progetto, insieme alla scelta del modello.
AIWave: dalle capacità dei modelli alle applicazioni
AIWave fornisce infine l’ambiente applicativo. La piattaforma comprende servizi cognitivi, modelli utilizzabili come servizio e applicazioni rivolte a processi specifici. Strumenti, connettori e interfacce consentono di accedere alle informazioni, organizzarle e analizzarle, prevedendo anche punti di intervento umano nei flussi di lavoro.
Le funzionalità low-code e no-code che vengono implementate, puntano a semplificare lo sviluppo, mentre la gestione di più modelli e agenti permette di comporre applicazioni con capacità differenti. In un flusso documentale, per esempio, la classificazione, l’estrazione dei dati e la preparazione di una risposta possono richiedere componenti diverse, coordinate dall’applicazione. AIWave può essere usato in cloud o su infrastrutture on premise, per coprire tutte le necessità di integrazione e controllo dell’ambiente. Ovviamente, una installazione “in house” è molto più complessa da gestire di quella in cloud, ma in alcuni ambiti è richiesto dalla normativa o dalla volontà di tenere le proprietà intellettuali quanto più al sicuro possibile.
ULTRA si configura quindi come un framework tecnologico e metodologico per costruire progetti, con una composizione che varia a seconda del contesto. Governabilità, tracciabilità, riservatezza e conformità fin dalla progettazione sono le basi che vengono sostenute dal controllo di infrastrutture, modelli e componenti applicative.
Una valida opzione per molte aziende sul mercato, ma servono competenze
La proposta di Almvaviva è particolarmente interessante per organizzazioni con sistemi eterogenei, grandi archivi documentali e processi complessi o regolamentati. Non a caso, l’azienda indica pubblica amministrazione, sanità, finanza, trasporti, gestione delle risorse idriche e industria come i settori in cui risultano più attivi. Ma anche una media impresa può trovare utile un framework di questo tipo quando deve collegare più applicazioni AI a gestionali e archivi, mantenendo criteri comuni di controllo. La convenienza dipenderà dal valore dei processi coinvolti e dall’impegno di integrazione.
I dati Istat riportati mostrano una crescita rapida ma disomogenea dell’uso dell’AI nel nostro Paese: nel 2025 utilizzava almeno una tecnologia AI il 16,4% delle imprese con almeno dieci addetti, contro l’8,2% del 2024, ma la quota raggiungeva il 53,1% nelle grandi aziende, fermandosi al 15,7% nelle PMI. Inoltre, tra le aziende che avevano valutato di investire in progetti AI, ma hanno poi scelto di non farlo la motivazione più comune era quella della carenza di competenze in grado di dare efficacia ai progetti. Per il sistema produttivo italiano, la disponibilità di tecnologie deve quindi accompagnarsi alla capacità di adottarle. Un progetto AI richiede un processo ben individuato, dati utilizzabili e persone preparate a gestirne i risultati. Un’offerta modulare può aiutare a organizzare questi elementi, ma deve dimostrare il proprio valore attraverso tempi di lavorazione, qualità, errori e costo per operazione.