Tesi e tirocini

Contesto
I modelli multimodali permettono di comprendere e generare contenuti da testo, voce, immagini e video. In azienda molte attività sono knowledge‑intensive e si perdono tra email, screenshot, call e documenti. Una UI multimodale riduce passaggi manuali, tempi morti e ambiguità.
Nel nostro contesto aziendale sono 2 i fronti ad alto impatto:
1. Customer Care: l’utente carica uno screenshot dell’errore e lo descrive a voce; il sistema classifica il ticket, propone una diagnostica guidata e genera una risposta con snippet visivi o un breve video tutorial.
2. Document Intelligence e Accessibilità: da immagini/scansioni e commento vocale, si estraggono dati strutturati, si normalizzano tabelle e si generano documenti; in parallelo si creano descrizioni alternative, riassunti semplificati e output TTS per l’accessibilità.

Obiettivi
Nella prima fase analizziamo due use case prioritari osservando come avvengono oggi le interazioni: quali tipi di input arrivano davvero (screenshot, PDF/scansioni, note vocali e testo), dove si spezza il contesto e quali passaggi generano ambiguità o tempi morti. Da questa lettura costruiamo l’architettura logica del sistema: un modulo di raccolta e normalizzazione degli input multimodali, un livello di orchestrazione che instrada i compiti verso gli strumenti giusti di estrazione e riassunto e, infine, i formati di output previsti, dai suggerimenti testuali alle annotazioni visive fino ai micro video e all’audio Text to Speech (TTS). In parallelo definiamo linee guida di UX realmente operative: quando conviene chiedere la voce invece del testo, come guidare l’utente se lo screenshot è ambiguo, come visualizzare i risultati senza sovraccaricare l’interfaccia.
Gestiscono input multimodali (immagini, documenti, voce e testo), li normalizzano e li verificano; una pipeline instrada i task, estrae e riassume le informazioni e, quando serve, consulta le knowledge base interne. Gli output includono annotazioni su immagini, brevi video dimostrativi e risposte Text to Speech. Le scelte di UX diventano componenti concreti: selezione voce vs testo, brevi passaggi di disambiguazione per screenshot poco chiari e layout essenziali che mettono in risalto ciò che conta.
Concludiamo testando i prototipi con utenti interni misurando le metriche definite in apertura e confrontando le prestazioni con il processo attuale per stimare l’impatto reale: riduzione dei tempi nei ticket di assistenza, velocità e coerenza nella risposta a RFP, copertura di alt‑text e aderenza alle linee guida di accessibilità. Analizziamo i casi di errore e le situazioni a bassa confidenza per capire dove la pipeline fallisce, quando richiedere chiarimenti o prevedere l’escalation umana, e come migliorare prompt, regole e interfacce.

Tecnologie
Angular/React, LLM e Multimodal LLM, Python, Typescript, LangGraph, vector databases, MCP server.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Automatizzare le interazioni vocali ripetitive con i Large Language Models (LLM) consente di dedicare le risorse umane ai casi più complessi, ottimizzando l'efficienza e valorizzando le competenze strategiche del team. Tuttavia, integrare la potenza conversazionale degli LLM con l'infrastruttura tecnica e i vincoli di tempo reale della telefonia (VoIP) rappresenta una frontiera tecnologica ancora in larga parte inesplorata. Il principale ostacolo è la latenza intrinseca nella catena di elaborazione: la voce dell'utente deve essere catturata, processata, elaborata dall'LLM e infine riconvertita in audio. Questa pipeline sequenziale introduce un ritardo che rende la conversazione innaturale e frammentata. Oltre a questa sfida puramente tecnica, manca un "direttore d'orchestra" intelligente che gestisca il flusso del dialogo. Un essere umano sa quando interrompere, quando attendere una pausa, e come usare intercalari per segnalare che sta pensando. Un sistema puramente sequenziale non può farlo: non sa gestire le interruzioni dell'utente e crea silenzi "morti" che degradano totalmente l'esperienza, segnalando in modo inequivocabile che si sta parlando con una macchina lenta.

Obiettivi
L'obiettivo è progettare e sviluppare un'applicazione server in grado di gestire chiamate VoIP e rispondere in tempo reale, abilitando conversazioni fluide e naturali. Il percorso inizia con la configurazione di un server SIP per accettare chiamate in ingresso e gestire lo streaming audio RTP bidirezionale, creando le fondamenta tecniche per una comunicazione a bassissima latenza. Su questa base si innesta la pipeline di intelligenza artificiale.
Il cuore del sistema risiede in un'architettura ibrida. In primo luogo, il flusso audio dell'utente viene processato in tempo reale per estrarne il contenuto semantico. Questa rappresentazione dell'input vocale viene quindi analizzata da un modello di classificazione di intenti snello e veloce, il cui compito è identificare con precisione lo scopo specifico della richiesta. Questo passaggio è cruciale. Solo dopo aver classificato l'intento, il sistema instrada la richiesta al Large Language Model, fornendogli non solo l'input originale dell'utente, ma anche il contesto dell'intento identificato. Questo permette all'LLM di generare una risposta non solo genericamente conversazionale, ma mirata, pertinente e consapevole del compito da svolgere.
Il lavoro si conclude con l'orchestrazione e l'ottimizzazione dell'intera pipeline per ridurre la latenza percepita e garantire la fluidità. Si sviluppa una logica per la gestione del turno di parola, usando tecniche come il Voice Activity Detection (VAD) per capire quando l'utente ha finito di parlare. Si implementano inoltre strategie per mascherare i tempi di elaborazione, come l'uso di "filler" conversazionali. La validazione finale misurerà non solo le performance tecniche di latenza e l'accuratezza del classificatore, ma valuterà anche la qualità e la naturalezza dell'interazione, dimostrando l'efficacia del sistema nel creare un'esperienza conversazionale davvero dinamica e umana.

Tecnologie
Angular/React, LLM e Multimodal LLM, Java, Typescript, Python, Langchain, LangGraph, vector databases, MCP server.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Negli ultimi anni le organizzazioni stanno introducendo con crescente frequenza architetture multi agent per supportare e automatizzare attività di analisi operativa, triage, arricchimento informativo e supporto decisionale in domini quali IT operations, cybersecurity, knowledge management e data quality.
Tuttavia, l’impiego sistematico di Large Language Models (LLM) di grandi dimensioni su ogni richiesta presenta criticità rilevanti: costi operativi elevati, latenza non sempre compatibile con processi time sensitive e un potenziale incremento del rischio di esposizione dei dati, in particolare quando i flussi informativi includono elementi sensibili o soggetti a vincoli di compliance.
In parallelo, una parte significativa dei task tipici in contesto IT non richiede necessariamente capacità di reasoning estese, risultando quindi candidabile a modelli più compatti ed economici.
Da qui deriva l’interesse verso un approccio ibrido, in cui Small Language Models (SLM) eseguiti localmente (on premise o private cloud) operano come primo livello di elaborazione e controllo: effettuano pre processing e sanitizzazione, producono segnali di confidenza e istruzioni operative, e attivano un meccanismo di escalation verso agenti tool based o LLM più potenti solo quando la complessità del caso, i requisiti di accuratezza o le condizioni di rischio lo rendano necessario.

Obiettivi
La ricerca mira a esplorare un approccio SLM first per sistemi multiagent in cui questi gestiscono le richieste più semplici e ripetitive, lasciando ai LLM solo i casi realmente complessi.
Nella prima fase viene svolto uno studio sullo stato dell’arte dei principali SLM oggi disponibili, mettendo a confronto aspetti pratici come dimensione, requisiti di esecuzione, facilità di deploy e performance su task tipici (classificazione, estrazione, normalizzazione, supporto alla sanitizzazione).
Successivamente viene realizzato un prototipo di sistema multi agent in cui uno SLM fa da primo livello: effettua triage e pre processing, usa strumenti dedicati quando opportuno e attiva una escalation verso un LLM solo quando la confidenza è bassa o la richiesta è troppo complessa.
In chiusura, il lavoro riporta una valutazione comparativa per evidenziare vantaggi e limiti rispetto a un approccio diretto con LLM, misurando costi, latenza, throughput, qualità delle risposte e altri aspetti tecnici come complessità operativa e affidabilità.

Tecnologie
Python, LangGraph, LangFuse, Java, Spring AI, Ollama, Vector databases, MCP server.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Nei sistemi multi-agent distribuiti, gli agenti operano spesso su server e domini organizzativi differenti rispetto ai client che ospitano l’interfaccia utente. In questo scenario, l’interazione tra agenti e interfacce utente rappresenta una criticità strutturale: un agente remoto non può manipolare direttamente la UI dell’applicazione host, ma deve comunicare esclusivamente tramite messaggi. Storicamente, questo problema è stato affrontato trasmettendo frammenti di HTML o TypeScript, spesso incapsulati in iframe, demandando al client il compito di renderizzarli.
Tale approccio presenta però limiti strutturali rilevanti. Dal punto di vista della sicurezza, l’iniezione di codice arbitrario amplia la superficie di attacco e richiede meccanismi complessi di sandboxing e isolamento. Sul piano dell’esperienza utente, l’invio di frammenti di HTML o TypeScript crea discontinuità visiva rispetto allo stile dell’applicazione, rende difficile il controllo del layout e compromette la manutenibilità del sistema nel lungo periodo. Infine, la dipendenza da tecnologie e framework specifici riduce drasticamente la portabilità: una UI progettata per il web non può essere riutilizzata nativamente su mobile o desktop senza riscrittura.
Alla base di queste criticità vi è l’assenza di un modello di rappresentazione dell’interfaccia che sia al tempo stesso sicuro come un dato strutturato e flessibile come codice eseguibile. La sfida tecnologica consiste quindi nel definire un paradigma in cui la UI venga trasmessa come una descrizione strutturata, validabile e controllabile, capace di integrarsi nativamente con lo stile, le regole e i vincoli dell’applicazione host.
Un simile approccio consentirebbe agli agenti di esprimere intenti e componenti interattivi senza esporre superfici di attacco, preservando coerenza visiva, accessibilità e controllo del ciclo di vita della UI.
In questa prospettiva si colloca il protocollo A2UI (Agent-to-UI), che propone la trasmissione di interfacce come messaggi JSON strutturati, generabili dagli LLM e interpretabili da qualsiasi client compatibile.

Obiettivi
L’obiettivo della tesi è progettare, sviluppare e valutare un’architettura agent-driven per la generazione di interfacce utente basate sul protocollo A2UI, in cui l’interfaccia venga trasmessa come dato strutturato e renderizzata nativamente dal client. Il lavoro mira a dimostrare come sia possibile ottenere UI dinamiche, sicure e portabili, generate da Large Language Models, senza ricorrere all’esecuzione di codice remoto.
Il percorso inizia con la definizione del modello di comunicazione tra agente e client. L’agente, alimentato da un LLM, genera output strutturati sotto forma di messaggi JSONL, descrivendo componenti, layout e flussi di interazione. Tali messaggi sono pensati per viaggiare su qualunque meccanismo di trasporto — Server-Sent Events (SSE), WebSocket — consentendo uno streaming incrementale delle UI e l’aggiornamento progressivo dell’interfaccia.
Su queste fondamenta viene sviluppato un agente in grado di produrre risposte A2UI per qualsiasi client compatibile. I messaggi JSONL prodotti descrivono esclusivamente dati dichiarativi: il client mantiene il pieno controllo sulla selezione dei componenti da un catalogo predefinito e sulla loro istanziazione tramite il proprio framework UI nativo (ad esempio React o Angular per il web).
Parallelamente, lato client viene implementato un renderer A2UI, responsabile dell’interpretazione dei messaggi JSON e della loro traduzione in componenti UI nativi. Questo livello rappresenta il punto di enforcement dei principi di sicurezza e coerenza visiva: il client valida lo schema, applica il proprio sistema di design, gestisce l’accessibilità e decide come e quando rendere interattivi i componenti richiesti dall’agente.
Il lavoro si conclude con una valutazione sperimentale dell’approccio proposto. I prototipi sviluppati vengono testati con utenti interni misurando aspetti quali: sicurezza, coerenza visiva e integrazione con lo stile nativo, qualità dell’esperienza utente. Il risultato atteso è dimostrare che, adottando un modello A2UI, il controllo rimane saldamente nelle mani del client, mentre le interfacce generate dagli agenti risultano fluide, coerenti e indistinguibili da quelle progettate manualmente.

Tecnologie
Angular/React, LLM e Multimodal LLM, Typescript, Python, Langchain, LangGraph, vector databases.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Il modello on-demand dei cloud pubblici (Azure, AWS) offre grande flessibilità nel provisioning delle risorse IT, ma introduce una significativa complessità nella gestione e nel controllo dei costi, soprattutto in contesti aziendali multi-cloud. In questo scenario si inserisce il paradigma FinOps (Financial Operations), che mira a garantire visibilità, controllo e responsabilità della spesa cloud. L’adozione di strumenti come Terraform e Pulumi, secondo il paradigma Infrastructure as Code, consente di automatizzare i processi di provisioning, tagging e gestione dei budget, supportando l’applicazione efficace delle pratiche FinOps in ambienti single e multi-cloud attraverso la razionalizzazione di casi d’uso ricorrenti delle risorse offerte dai cloud provider.

Obiettivi
La tesi si propone di:
- Analizzare gli strumenti esistenti per il provisioning di risorse in cloud pubblici, evidenziandone punti di forza e limiti;
- Definire un insieme di casi di provisioning standard rappresentativi di contesti enterprise da codificare tramite tool IaaC (come Terraform e Pulumi);
- Prototipare un processo di governance FinOps che integri policy, controllo dei tag e verifica preventiva dei costi contro budget;
- Implementare processo automatizzato per la gestione dei profili di tagging dei casi di provisioning e l’aggiornamento dei budget;
- Implementare processo automatizzato di pulizia delle sorgenti di costo inutilizzate;
- Validare la soluzione attraverso test sperimentali su scenari realistici.

Tecnologie
Terraform, Pulumi, Jenkins, FinOps, Azure, AWS.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Le moderne organizzazioni necessitano di strumenti che sintetizzino informazioni e processi formalizzati all'interno di diversi sistemi documentali. La tesi propone un framework intelligente per la modellazione e la rappresentazione dei processi a partire da knowledge base di riferimento, combinando graph database e generative AI.

Obiettivi
L’obiettivo principale è prototipare un sistema capace di generare autonomamente una rappresentazione funzionale, mappata su un database a grafo. Il sistema sarà in grado di:
- Estrarre business entities rilevanti dalle knowledge base di riferimento.
- Correlare le entità attraverso rappresentazione grafica all'interno di graph database.
- Fornire navigazione intuitiva tramite interfacce grafiche e linguaggio naturale.

Tecnologie
Neo4j, LLM (large language model), Python.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Le moderne organizzazioni gestiscono ecosistemi di dati sempre più complessi, dove la comprensione del significato funzionale risulta spesso frammentata. La tesi propone un framework intelligente per l'estrazione automatica e la modellazione semantica di entità funzionali, combinando graph database e generative AI.

Obiettivi
L'obiettivo principale è prototipare un sistema capace di generare autonomamente un modello dati funzionale, mappato su un database a grafo. Il sistema sarà in grado di:
- Tradurre schemi SQL complessi in grafi relazionali intuitivi.
- Arricchire i grafi con definizioni di business generate da AI.
- Fornire navigazione intuitiva tramite interfacce grafiche e linguaggio naturale.

Tecnologie
Neo4j, LLM (large language model), Python.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.

Contesto
Nel panorama digitale contemporaneo, la complessità degli applicativi web è in costante crescita, rendendo sempre più difficile per utenti non tecnici comprenderne il funzionamento. Molte aziende investono risorse significative nella formazione del personale o nella creazione di documentazione dettagliata per i propri strumenti digitali. Tuttavia, questo processo è spesso costoso, time-consuming e soggetto a rapida obsolescenza a causa degli aggiornamenti continui delle interfacce. La necessità di un sistema automatizzato che possa analizzare in tempo reale un applicativo web e generare documentazione comprensibile anche ai non esperti è diventata cruciale per migliorare l'adozione degli strumenti digitali, ridurre i costi di formazione e aumentare la produttività aziendale.

Obiettivi
- Comprendere il funzionamento degli applicativi: sviluppare algoritmi che permettano di analizzare e interpretare l'interfaccia e le funzionalità di un applicativo web, generando un documento che ne sintetizzi il comportamento.
- Creare un documento informativo: produrre un output testuale utile per gli utenti, in modo che possano comprendere rapidamente come utilizzare l'applicativo e quali funzioni sono disponibili.
- Sviluppare un plug-in per il browser: realizzare un'estensione del browser che, interagendo con l'applicativo, possa guidare l'utente nell'esecuzione di compiti specifici. Questa estensione potrebbe evidenziare i pulsanti e le funzionalità pertinenti, migliorando l'esperienza utente e fornendo assistenza in tempo reale.
- Valutare l'usabilità: testare e valutare l'efficacia del tool e del plug-in sviluppati, raccogliendo feedback dagli utenti e analizzando come queste soluzioni possano migliorare la loro interazione con gli applicativi web.

Tecnologie
Gen AI, Python, JavaScript, Browser extension.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell'Informativa Privacy.