In un panorama in cui la gestione dei dati di prodotto è sempre più complessa, l’intelligenza artificiale si rivela una risorsa strategica per semplificare e ottimizzare i processi. Durante l’ESICONF2025, Peer Network e Inventio Hub hanno presentato una soluzione innovativa che trasforma le etichette dei prodotti in un patrimonio di dati strutturati, pronti per essere integrati nei sistemi aziendali. Un intervento che ha dimostrato come le tecnologie avanzate, dalla segmentazione con YOLO all’analisi semantica con LLM, possano migliorare significativamente la gestione delle informazioni.

L’Intelligenza Artificiale per la Gestione dei Dati di Prodotto

L’intervento di Inventio Hub ha saputo catturare l’attenzione con un approccio pratico e innovativo alla gestione dei dati. Manuel Bottazzi, Junior Project Manager di Peer Network, ha aperto la presentazione illustrando le sfide principali legate all’integrazione delle informazioni presenti sulle etichette dei prodotti agroalimentari. Queste etichette racchiudono una grande quantità di dati — dai nutrienti agli ingredienti, fino alle istruzioni di conservazione — spesso rappresentati in formati non strutturati e difficili da gestire con i sistemi informativi tradizionali.

Bottazzi ha spiegato come la gestione manuale di queste informazioni non solo rallenti i processi aziendali, ma aumenti il rischio di errori e incoerenze nei dati. Per affrontare queste sfide, Peer Network ha collaborato con Inventio Hub, combinando le proprie soluzioni per la gestione dei dati di prodotto con le tecnologie avanzate di intelligenza artificiale sviluppate da Inventio Hub. L’obiettivo è stato quello di integrare strumenti di IA in un’architettura modulare, capace di estrarre, interpretare e integrare le informazioni in modo rapido ed efficace.

La Soluzione Tecnica: l’Expertise di Inventio Hub

Successivamente, Niccolò Guiducci, CIO di Inventio Hub, ha offerto una panoramica tecnica dettagliata della soluzione sviluppata. L’applicazione utilizza un mix di tecnologie avanzate, combinando:

• YOLO (You Only Look Once) per la segmentazione delle immagini: questo modello di deep learning è stato addestrato su dataset specifici per rilevare con precisione le diverse sezioni delle etichette, come le tabelle nutrizionali, i claim promozionali e gli elementi decorativi. Grazie a questa capacità, è possibile isolare le informazioni essenziali riducendo sensibilmente i falsi positivi, anche nel caso di layout complessi. Ad esempio, etichette caratterizzate da sezioni sovrapposte e caratteri piccoli vengono analizzate in modo dettagliato, semplificando l’estrazione dei dati più significativi.
• OCR (Optical Character Recognition) per l’estrazione dei testi: l’utilizzo di modelli avanzati di OCR permette di leggere e digitalizzare il testo presente sulle etichette, comprese informazioni multilingue, garantendo un’elevata accuratezza nell’estrazione dei dati.
• Large Language Models (LLM) per l’interpretazione contestuale: una volta estratti, i dati vengono analizzati da LLM capaci di comprenderne il contesto e categorizzarli in modo coerente. Questa fase include anche la normalizzazione dei dati, la gestione delle ambiguità semantiche e la distinzione tra informazioni promozionali e dati effettivi.

Queste tecnologie, integrate in un’architettura modulare, lavorano sinergicamente per garantire che le informazioni estratte dalle etichette siano precise, contestualizzate e facilmente utilizzabili nei processi aziendali.

L’infrastruttura, basata su componenti indipendenti gestiti tramite API scalabili sviluppate con FastAPI, consente di aggiornare o sostituire singoli moduli senza compromettere l’intero sistema. Il risultato è una soluzione flessibile, facilmente integrabile con gli ERP aziendali, che trasforma le informazioni non strutturate delle etichette in dati strutturati, pronti per essere utilizzati nei flussi operativi.

Dalla Teoria alla Pratica: la Demo dell’Applicativo

Dopo la spiegazione tecnica, Manuel Bottazzi ha mostrato una demo dell’applicativo, evidenziando come l’intelligenza artificiale possa leggere, interpretare e aggiornare dinamicamente le informazioni delle etichette nei sistemi aziendali. Un elemento particolarmente interessante della demo è stato l’utilizzo del pulsante “Leggi con l’IA”, che consente agli operatori di estrarre automaticamente i dati necessari dall’etichetta, aggiornando l’anagrafica estesa in tempo reale.

La soluzione ha dimostrato come sia possibile gestire in modo dinamico le informazioni sui nutrienti, gli ingredienti e le descrizioni di prodotto, semplificando significativamente il processo di gestione dei dati e garantendo un’elevata precisione nell’integrazione con i sistemi ERP. La possibilità di modificare manualmente i dati estratti rappresenta un ulteriore vantaggio, permettendo di mantenere un controllo diretto sulle informazioni più critiche.

L’Importanza di un’Architettura Modulare: la Visione di Luciano Lazzarini

A concludere l’intervento è stato Luciano Lazzarini, CEO di Inventio Hub, che ha condiviso una riflessione sul valore dell’intelligenza artificiale nell’ottimizzazione dei processi aziendali. Lazzarini ha sottolineato come l’adozione di un’architettura modulare e scalabile consenta alle aziende di partire con piccoli progetti per poi estendere progressivamente le funzionalità, riducendo i costi e semplificando la gestione operativa.

L’approccio proposto permette di automatizzare i processi più complessi, liberando risorse per attività a maggior valore aggiunto e migliorando l’efficienza complessiva. In quest’ottica, la combinazione di tecnologie come YOLO, OCR e LLM con un’architettura composable rappresenta un approccio efficace per ottimizzare i processi aziendali, garantendo flessibilità e capacità di adattamento ai cambiamenti del mercato.

Per approfondire le soluzioni presentate da Peer Network e Inventio Hub, guarda il video dell’evento.