Cosa c’è dietro queste pagine. Non è un elenco di buzzword: è il modo in cui Purple AI S.r.l. descrive consegne già affrontate in azienda — da integrare, estendere o replicare con adattamento. Trovate progetti con titoli che corrispondono a linee che portiamo avanti (assistente vocale operativo, copilot per la direzione su dati controllati, RAG su testi regolamentati, conversazione su più canali, orchestrazione di agenti) e casi studio che mostrano come leghiamo .NET, PostgreSQL/pgvector, servizi cloud e fornitori di modello senza perdere di vista permessi, audit e bolletta. Il nucleo tecnico resta fine-tuning o adattamento modelli quando serve, embedding e ricerca vettoriale, RAG con citazioni, workflow agentici e pipeline voce (STT/TTS). Se non possiamo pubblicare il nome del committente, la scheda resta caso tipo ma coerente con implementazioni vere; per prove interne prima del commerciale vedi anche Ricerca & laboratorio.
Altro nel gruppo (Purple Holding)
Progetti storici di Purple Holding S.r.l. senza focus esclusivo sull’AI — integrazioni gestionali, omnicanalità, e-commerce complessi, portali corporate — restano documentati sul portfolio dell’hub software del gruppo. Qui non duplichiamo quelle schede: ci concentriamo sul perimetro AI. In prima call, se conviene investire prima in qualità dati o in automazione deterministica classica sul canale software del gruppo, ve lo diciamo chiaramente prima di tornare su LLM, RAG o agenti.
Vedi tutti i progetti Casi studio tecnici
Come leggere una scheda progetto
Ogni voce nel custom post type progetti segue una struttura coerente: contesto operativo, problema, soluzione AI ad alto livello, stack indicativo, risultato atteso o lezioni apprese. Gli stack sono indicativi: il progetto reale può variare per vincoli del cliente, licenze già in casa o policy di rete. Se una tecnologia è citata, è perché rappresenta un pattern che abbiamo effettivamente usato o valutato in laboratorio, non perché inseguiamo buzzword.
Quando vedete PostgreSQL e pgvector, pensate a un unico motore per dati relazionali e similarità: semplifica backup, ACL e query ibride. Quando vedete WebSocket e pipeline vocali, pensate a sessioni stateful con latenza controllata tra dispositivo e backend, con STT/TTS integrati in modo governato. Quando vedete NL2SQL governato, pensate a template approvati dall’IT, non a SQL arbitrario generato alla cieca. Quando vedete agenti, pensate a orchestrazione programmatica e tool con permessi — non a chat generiche senza confini.
Casi tipo vs case study firmati
I casi tipo descrivono scenari ricorrenti (magazzino vocale, copilot per direzione, RAG su normativa) senza attribuzione cliente. Servono a qualificare conversazioni commerciali e a educare stakeholder interni vostri. I case study nelle pagine figlie di /casi/ entrano nel dettaglio architetturale con estratti concettuali di codice e link a documentazione ufficiale delle librerie.
Se desiderate una referenza pubblica sul vostro settore, chiedetela in fase contrattuale: quando possibile, produciamo testimonianze anonimizzate o con logo previa approvazione legale. La pagina Testimonianze spiega come gestiamo quella fase.
Collegamento con servizi e blog
Dopo aver letto una scheda, il passo naturale è capire se esiste un servizio packaged o un percorso consulenza: ad esempio embedding e pgvector, oppure agenti con Microsoft Agent Framework. Il blog approfondisce singoli argomenti trasversali (governance NL2SQL, aggiornamento corpus, gestione costi token) che attraversano più progetti.
Indicatori che un caso è maturo per l’AI
Non ogni processo giustifica un modello generativo. Segnali positivi: volume di richieste ripetitive con risposta ricavabile da dati o documenti controllati; tolleranza supervisionata per errori residui con procedure di escalation; sponsor business e IT allineati su metriche; dati accessibili con ruoli già definiti. Segnali di allarme: assenza di owner del dato, documentazione incompatibile con indicizzazione, aspettativa di “zero errore” senza umano nel loop.
Privacy, riservatezza e contenuti dimostrativi
Non pubblichiamo screenshot di sistemi cliente senza permesso. Le animazioni o le descrizioni sono generiche o provenienti da ambienti di laboratorio. Se partecipate a un POC, le clausole di riservatezza regolano cosa può diventare marketing: di solito preferiamo descrivere architettura e risultati quantitativi aggregati piuttosto che nomi di reparto o dataset sensibili.
Come proporre un progetto per la vetrina
Clienti che desiderano visibilità possono concordare una scheda pubblica in fase di chiusura del progetto. Valutiamo insieme tono, claim e conformità al regolamento della vostra azienda. Non vendiamo spazi editoriali: le schede devono restare credibili e verificabili internamente ai nostri standard.
Settori e varianti di messa in scala
Le schede non sono legate a un solo verticale: logistica, manifatturiero, servizi professionali, enti e aziende regolamentate hanno vincoli diversi su hosting, logging e tracciabilità. Quando leggere un caso tipo sulla voce in magazzino, immaginate anche officine o reparti con DPI che rendono difficile l’uso di touch. Quando leggere NL2SQL per la direzione, pensate anche a controller e CFO che devono interrogare KPI senza aprire ticket IT ogni volta.
La messa in scala non è solo “più utenti”: significa indici vettoriali adeguati al volume, sharding o partizionamento dove serve, rate limit per reparto e degrado controllato quando un provider esterno ha outage. Questi temi compaiono nelle FAQ tecniche e nei case study, ma vale la pena ricordarli già mentre sfogliate il portfolio ad alto livello.
Materiali scaricabili e prossimi passi
Se vi servono PDF o presentazioni per comitati interni, possiamo estrarre versioni stampabili da contenuti già pubblicati o produrre sintesi su misura come parte di incarico. Per iniziare una conversazione operativa, contattateci indicando se avete già un caso d’uso prioritario o se state ancora mappando opportunità.
Chi cerca dettaglio implementativo estremo troverà maggiore profondità nelle pagine RAG normativo, Voice e knowledge, Agenti e reporting e ML e backtest, oltre ai progetti elencati in archivio.
Domande frequenti legate al portfolio
Possiamo replicare un caso tipo alla lettera? Raramente senza adattamento: i vostri gestionali, policy di rete e qualità dei dati differiscono sempre in qualche dettaglio critico. Usiamo i casi tipo come punto di partenza per una stima e un design, non come copia-incolla.
Quanto tempo serve dalla prima call a un MVP? Dipende da complessità e disponibilità dei referenti; indicazioni di ordine di grandezza emergono dopo la qualificazione. Non promettiamo settimane fisse universali.
Includete hardware o device vocali? Di solito no come core business: consigliamo spesso device già certificati dal cliente o dal partner industriale; noi concentriamo software, integrazione e sicurezza dell’endpoint.
Per altre risposte strutturate visitate la pagina FAQ completa.
Manutenzione delle schede pubblicate
Aggiorniamo il portfolio quando cambiano stack raccomandati, quando una libreria di riferimento depreca API o quando nuovi casi tipo diventano pedagogicamente utili. Le date di pubblicazione nei progetti possono quindi non coincidere con l’ultima modifica tecnica minore: per versioni precise chiedete in fase commerciale un estratto aggiornato.
Questo approccio mantiene il sito utile nel tempo senza inseguire ogni micro-release open source; quando un aggiornamento è breaking per i clienti in produzione, comunichiamo piani di migrazione nei canali contrattuali, non solo sul sito.