Risultati reali · PMI italiane

L'AI on-premise
in produzione —
con i numeri veri

Non promesse generiche. Case study dettagliati: problema reale, soluzione installata, risultati misurati dopo 90 giorni di utilizzo in produzione.

6 case study approfonditi
Progetti completati — risultati misurati
Case Study #1 · RAG su Documenti Tecnici

Campia Imballaggi: 10 GB di documentazione tecnica interrogabili in linguaggio naturale

📍 Cliente: Campia Imballaggi s.r.l. · Settore: Produzione di imballaggi in legno per ogni tipo di settore industriale · Zona: Baldichieri d'Asti (AT), Piemonte
10 GBarchivio documentale indicizzato
100%dati on-premise, zero cloud

Il problema

Campia Imballaggi produce imballaggi in legno su misura per ogni tipo di settore industriale, per clienti in Italia e in Europa. Nel tempo si è accumulato un archivio tecnico molto esteso, oltre 10 GB tra schede prodotto, certificazioni, capitolati e documentazione normativa dei fornitori.

  • In fase di audit da parte degli enti di certificazione, reperire rapidamente il documento richiesto era complesso
  • Rischio di fare riferimento a una revisione vecchia o scaduta di un documento, invece dell'ultima aggiornata
  • Documentazione dei fornitori su prodotti/servizi dispersa e lenta da recuperare

La soluzione

Gaulin ha realizzato un sistema RAG (Retrieval-Augmented Generation) on-premise che indicizza l'intero archivio documentale — oltre 10 GB di file — e permette di interrogarlo in linguaggio naturale, con citazione del documento di origine per ogni risposta. Tutta l'elaborazione avviene sui server dell'azienda: nessun documento tecnico o commerciale viene inviato a servizi cloud esterni.

  • Reperibilità puntuale ed esatta dei documenti in fase di audit di conformità normativa
  • Riconoscimento automatico della revisione più aggiornata di un documento, con archiviazione separata delle versioni vecchie o scadute
  • Ricerca rapida della documentazione dei fornitori relativa a prodotti e servizi forniti
Le esigenze soddisfatte, secondo Campia Imballaggi
  • →Facilità d'uso
  • →Sicurezza
  • →Reperibilità documentale facile e puntuale di quanto richiesto, soprattutto in fase di audit di controllo da enti esterni preposti alla certificazione di conformità normativa
  • →Aggiornamento documentale con l'ultima revisione richiesta e archiviazione separata dei documenti con indice di revisione vecchio o scaduto
  • →Reperibilità puntuale, esatta e veloce della documentazione del fornitore relativa al prodotto/servizio fornito
  • →Realizzazione di statistiche di vendita per articoli, per zona e per agenti
RAG On-Premise Ricerca Documentale Controllo Revisioni Text-to-SQL LLM locale
Approfondisci la soluzione RAG →
Case Study #2 · AI per Acquisti e Supply Chain

Biscottificio Grondona: i preordini ai fornitori non si preparano più a mano, foglio per foglio

📍 Cliente: Biscottificio Grondona · Settore: Biscotteria e pasticceria artigianale genovese, dal 1830 circa · Zona: Genova, Liguria
7famiglie di materie prime monitorate
100%dati on-premise, zero cloud

Il problema

Grondona produce biscotti e dolci tipici genovesi — tra cui il Pandolce Genovese — con ricette e lievito madre tramandati da quasi due secoli, e materie prime scelte una per una: farina Manitoba, burro ed extravergine italiani, nocciole italiane sgusciate e tostate a mano, frutta candita, uova da allevamento all'aperto, vaniglia del Madagascar. Ogni fornitore ha tempi di consegna, quantità minime e finestre di disponibilità diverse, mentre la produzione ha un picco molto marcato in vista del Natale.

  • Preordini ai fornitori ricostruiti a mano ogni stagione, incrociando fogli di calcolo diversi: storico vendite, giacenze di magazzino, calendario di produzione
  • Rischio concreto di restare senza un ingrediente critico — come la vaniglia del Madagascar o le nocciole sgusciate a mano — proprio a ridosso del picco natalizio
  • Materie prime deperibili (burro, uova fresche) ordinate per eccesso "per sicurezza", con relativo spreco e costo
  • Il lavoro di ricalcolo si ripeteva identico a ogni stagione, senza che l'esperienza degli anni precedenti restasse da qualche parte in forma utilizzabile

La soluzione

Gaulin ha installato un sistema on-premise che incrocia automaticamente storico di produzione e vendite, stagionalità dei singoli prodotti — a partire dal picco del Pandolce Genovese a Natale — giacenze correnti e condizioni di ciascun fornitore: lead time, quantità minime, finestre di disponibilità delle materie prime stagionali. Il sistema genera in automatico le proposte di preordine, che l'ufficio acquisti verifica e conferma, invece di ricostruirle da zero a ogni stagione.

  • Preordini generati automaticamente a partire dai dati reali di produzione e vendita, non più ricostruiti a mano stagione dopo stagione
  • Tempo dell'ufficio acquisti dedicato al calcolo delle quantità ridotto drasticamente, liberato per la trattativa con i fornitori
  • Anticipo corretto degli ordini per le materie prime a lead time più lungo o a disponibilità stagionale, prima del picco natalizio
  • Quantità di materie prime deperibili allineate alla domanda reale, con meno acquisti "per sicurezza"
  • Dati su fornitori, costi e volumi di produzione elaborati interamente sui server dell'azienda, senza invio a servizi cloud esterni
Le esigenze soddisfatte, secondo Biscottificio Grondona
  • →Preparazione dei preordini ai fornitori senza dover ricostruire a mano storico vendite, giacenze e calendario di produzione a ogni stagione
  • →Anticipo corretto degli ordini per le materie prime stagionali o a lead time lungo, in vista del picco di produzione natalizio
  • →Riduzione degli acquisti "per sicurezza" di materie prime deperibili, allineando gli ordini alla domanda reale
  • →Facilità d'uso
  • →Sicurezza dei dati
Previsione Domanda Gestione Fornitori Text-to-SQL On-Premise LLM locale
Approfondisci la soluzione Supply Chain →
Case Study #3 · RAG su Codice COBOL

DSC Softlab: dal codice COBOL legacy al manuale tecnico generato dall'AI

📍 Cliente: DSC Softlab S.r.l. · Settore: Software gestionale ERP (Amico Win) · Zona: Legnano (MI), Lombardia
COBOLsorgenti legacy indicizzati in un sistema RAG
100%elaborazione on-premise, zero cloud

Il problema

DSC Softlab sviluppa e mantiene Amico Win, piattaforma ERP modulare per PMI, editoria e distribuzione. Come in molte software house con applicativi di lunga data, parte della base di codice è in COBOL: comprenderla, documentarla e intervenire per ottimizzarla richiede tempo e competenze specifiche, spesso concentrate in poche persone.

  • Codice COBOL storico senza una documentazione tecnica aggiornata e centralizzata
  • Comprendere la logica di moduli legacy prima di modificarli richiedeva lettura manuale riga per riga

La soluzione

Gaulin ha implementato un sistema RAG on-premise che indicizza direttamente i sorgenti COBOL, permettendo di interrogare il codice in linguaggio naturale e generare automaticamente il manuale tecnico della logica applicativa. Lo stesso sistema supporta il team di sviluppo nell'individuare punti del codice da ottimizzare, con riferimento diretto alle righe sorgente coinvolte.

  • Manuale tecnico generato automaticamente a partire dal codice sorgente reale, non da documentazione separata da mantenere a mano
  • Ricerca in linguaggio naturale sui sorgenti COBOL per orientarsi rapidamente nei moduli legacy
  • Supporto diretto al team di sviluppo nell'individuazione di codice da ottimizzare
  • Codice sorgente elaborato interamente sui server dell'azienda, senza invio a servizi cloud esterni
RAG On-Premise COBOL Generazione Documentazione LLM locale
Approfondisci AI Coding Agent →
Case Study #4 · Chatbot su Documenti

Azienda meccanica B2B: l'ufficio tecnico smette di rispondere alle stesse domande

📍 Settore: Meccanica di precisione · Dimensione: 85 dipendenti · Zona: Lombardia
−70%ticket interni ufficio tecnico
3.2hrisparmiate/giorno per tecnico
11 sett.dal via al go-live

Il problema

L'ufficio tecnico riceveva ogni giorno decine di richieste interne: agenti commerciali che chiedevano specifiche prodotto, operatori di produzione che cercavano procedure di montaggio, ufficio acquisti che verificava tolleranze per i fornitori.

  • 4–5 interruzioni/ora per tecnico senior per rispondere a domande già documentate
  • Documenti tecnici distribuiti in 3 cartelle di rete diverse, SharePoint e email storiche
  • Versioni multiple degli stessi manuali — nessuno sapeva qual era quella aggiornata
  • Nuovo personale commerciale impiegava 3–4 mesi per conoscere il catalogo

La soluzione e i risultati

Chatbot RAG on-premise addestrato su 2.400 pagine di documentazione tecnica: schede prodotto, manuali di montaggio, procedure di qualità, listini configurabili. Integrato in Microsoft Teams.

  • −70% richieste dirette all'ufficio tecnico nel primo mese
  • 3,2 ore risparmiate al giorno per tecnico senior (stima: 4,5 FTE)
  • Agenti commerciali: tempo medio risposta a cliente da 4 ore a 8 minuti
  • Onboarding nuovo personale: da 3 mesi a 3 settimane
  • Payback raggiunto al mese 9 dall'installazione
RAG On-Premise Microsoft Teams PDF + DOCX + SharePoint LLM locale
Approfondisci la soluzione →
Case Study #5 · AI Manifattura & MES

Impianto componenti plastici: la manutenzione smette di essere un'emergenza

📍 Settore: Plastica / componenti automotive · Dimensione: 140 dipendenti · Zona: Veneto
−31%fermi non pianificati
+19%OEE linea principale
€180Krisparmio anno 1

Il problema

Tre linee di stampaggio a iniezione con fermi non pianificati che costavano in media 2.400€/ora di mancata produzione. La manutenzione interveniva sempre dopo il guasto — mai prima.

  • 6–8 fermi non pianificati/mese sulla linea principale, media 3,5 ore ciascuno
  • Dati SCADA disponibili ma non analizzati — troppi parametri da monitorare manualmente
  • Tecnici di manutenzione sovraccarichi: nessun tempo per analisi preventiva
  • Pezzi di ricambio: ordini di emergenza con costi 2–3x rispetto al normale

La soluzione e i risultati

Modello predittivo on-premise alimentato dai dati SCADA esistenti (temperatura, pressione, corrente motori). Alert anticipati 48–72 ore prima del guasto su 14 parametri critici.

  • −31% fermi non pianificati nei primi 6 mesi
  • +19% OEE sulla linea principale (da 71% a 84%)
  • Ricambi: da ordini di emergenza a pianificazione mensile
  • Risparmio stimato anno 1: €180.000 (fermi evitati + ricambi ordinari)
  • ROI investimento: 4,2x nel primo anno
Manutenzione Predittiva SCADA Integration OPC-UA ML On-Premise
Approfondisci la soluzione →
Case Study #6 · Text-to-SQL / Data Intelligence

Distributore alimentare: il commerciale smette di aspettare i report dall'IT

📍 Settore: Distribuzione alimentare · Dimensione: 62 dipendenti · Zona: Piemonte / Valle d'Aosta
0query SQL richieste agli utenti
−85%richieste report all'IT
4h→8mintempo medio accesso dati

Il problema

Il team commerciale aveva bisogno di dati freschi ogni giorno: venduto per zona, margini per categoria, clienti sotto soglia riordino, confronti settimana/settimana. Ogni richiesta passava dall'IT e richiedeva ore o giorni.

  • 12–18 richieste report/settimana all'IT da parte del commerciale
  • Tempo medio risposta IT: 3,8 ore — spesso il dato era già vecchio
  • Area manager in riunione con dati di 2 giorni prima
  • IT sommerso: 40% del tempo su query ripetitive invece di progetti valore

La soluzione e i risultati

Text-to-SQL on-premise collegato al database gestionale (AS400). Il commerciale scrive la domanda in italiano, ottiene la risposta in secondi. IT liberato per progetti strategici.

  • −85% richieste report al reparto IT nel primo mese
  • Tempo accesso dati: da 4 ore a 8 minuti in media
  • Area manager: dati freschi in riunione — decisioni più veloci e informate
  • IT: +18 ore/settimana liberate da query ripetitive
  • Power BI popolato automaticamente ogni mattina con dati giornalieri
Text-to-SQL AS400 / IBM i Power BI Integration LLM On-Premise
Approfondisci la soluzione →
Altri esempi
Casi d'uso in sintesi
⚖️
Studio legale · Milano

Ricerca giurisprudenza in linguaggio naturale

L'assistente cerca tra 8 anni di fascicoli e sentenze. I giuristi trovano i precedenti rilevanti in 2 minuti invece di 45.

−78% tempo ricerca documentale
AI per Avvocati e Studi Legali →
🛒
E-commerce · Veneto

Assistente clienti H24 on-premise

Gestisce resi, stato ordini e FAQ automaticamente. Il team supporto si occupa solo dei casi complessi.

80% ticket risolti senza operatore
🏥
Clinica privata · Piemonte

Gestione prenotazioni e triage iniziale

L'assistente prenota, invia promemoria e raccoglie i dati preliminari del paziente. Attivo anche fuori orario.

+40% prenotazioni fuori orario ufficio
📦
Logistica · Emilia-Romagna

Ottimizzazione scorte magazzino

Previsione domanda su 1.200 SKU. Riordini suggeriti automaticamente, approvati dal buyer con un click.

−26% capitale immobilizzato
🔧
Impiantistica · Lombardia

Assistente tecnico per manutentori on-site

Il tecnico scatta foto al guasto e chiede all'AI. Riceve la procedura di intervento dal manuale corretto in 30 secondi.

−55% tempo diagnosi on-site
📋
Studio commercialista · Piemonte

Estrazione automatica dati da fatture

L'AI locale legge le fatture in arrivo, estrae i dati strutturati e popola il gestionale, senza che i documenti contabili escano mai dallo studio. 3 ore risparmiate per persona al giorno.

−3h/giorno per addetto
AI per Commercialisti →

Quale di questi casi
si avvicina al tuo?

Raccontaci il tuo processo in 10 minuti. Ti diciamo se e come l'AI può replicare questi risultati nel tuo contesto specifico.

Parliamone gratuitamente →