Costruisco AI che funziona. Non solo demo.
Progetto e sviluppo sistemi di intelligenza artificiale capaci di migliorare l'efficienza e la qualità dei processi aziendali. Seguo l'intero ciclo di sviluppo: dall'analisi del problema e la definizione delle logiche di AI, fino alla realizzazione e consegna di soluzioni operative e affidabili.
Aiuto le aziende a mettere l'AI al lavoro dentro i loro processi reali — dal primo prototipo a un sistema rilasciato e mantenuto. Interventi tipici:
Applicazioni AI end-to-end — assistenti LLM, chatbot e copilot — integrate nel tuo stack web o backend esistente, non un tab a parte.
Estrazione automatica di dati strutturati da PDF, fatture, contratti, scansioni, email ed Excel — classificati, validati e inviati direttamente nei tuoi sistemi, con un punteggio di confidenza su ogni campo.
Agenti AI conversazionali che rispondono ed effettuano chiamate, qualificano i lead, fissano appuntamenti e scrivono ogni esito nel tuo CRM — disponibili 24/7, in italiano e inglese.
AI che migliora il marketing — lead scoring, segmentazione clienti, previsione churn e generazione di contenuti — puntata sui canali che convertono davvero.
Modelli predittivi e preventivi su misura per il tuo business — domanda, costi, date di consegna, manutenzione e previsione guasti dai tuoi dati storici.
Automazione delle procedure manuali e ripetitive in azienda — approvazioni, data entry, verifica e reportistica — così il team lavora sul giudizio, non sul lavoro ripetitivo.
Un audit su dove l'AI ripaga nel tuo business, una roadmap prioritizzata e prototipi funzionanti — così investi in ciò che va in produzione, non in ciò che fa bella figura in demo.
Acquisizione dati da sensori, firmware C/C++, CAN bus e telemetria, test automatici e dashboard: i dati affidabili di cui ogni modello AI ha bisogno.
Tutti i servizi e come lavoro →Prova la demo live: estrazione dati da una fattura →
La piattaforma di agenti AI che ho progettato e sviluppato: 23 template che leggono documenti, rispondono al telefono e controllano l'amministrazione per impiantisti, studi legali, amministrazioni e uffici preventivi — ogni esecuzione tracciata, con una demo live gratuita.
Sintesi →
La mia app desktop per il debug embedded: 13 schede, un firmware diagnostico, decodifica I2C, una scheda 3D dal vivo e una libreria aperta di oltre 380 parti. Prova gratuita di 30 giorni, modalità simulatore senza hardware.
→
Backend enterprise .NET + AI applicata: Co-op Verify, che verifica le pratiche di co-marketing dei concessionari su fatture e giustificativi, e agenti vocali AI per le campagne telefoniche.
→La mia esperienza si concentra sulla progettazione e lo sviluppo di sistemi di intelligenza artificiale capaci di migliorare l'efficienza e la qualità dei processi aziendali. Seguo l'intero ciclo di sviluppo: dall'analisi del problema e la definizione delle logiche di AI, fino alla realizzazione e consegna di soluzioni operative e affidabili.
Nel corso degli anni ho partecipato a numerosi progetti sia come sviluppatore che come team leader, coordinando attività di ricerca, sviluppo e integrazione di modelli predittivi, analisi dei dati e automazione intelligente. Lavorare in contesti multidisciplinari mi ha insegnato che l'innovazione nasce dall'equilibrio tra metodo, collaborazione e creatività.
Un archivio operativo di lavori AI e software — sistemi in produzione, prototipi di ricerca e alcuni esperimenti che mi hanno insegnato più di quanto siano arrivati in produzione.
La mia piattaforma di agenti AI: 23 template per documenti, telefono e amministrazione, tramite console, API pubblica e app web pubblicate. Si prova live: 3 esecuzioni gratuite al giorno.
La mia app desktop per il debug embedded: 13 schede, un firmware diagnostico, decodifica I2C, una scheda 3D dal vivo e una libreria aperta di oltre 380 parti. Prova gratuita di 30 giorni, modalità simulatore senza hardware.
Backend enterprise .NET + AI applicata: Co-op Verify, che verifica le pratiche di co-marketing dei concessionari su fatture e giustificativi, e agenti vocali AI per le campagne telefoniche.
Meridian, app di Document AI (Gemini, ChatGPT, Bloomberg): estratti, scansioni ed Excel diventano un portafoglio verificato, ogni valore con fonte e confidenza.
Rockey, il CRM per le pratiche di finanza agevolata (assistente AI, board, scadenze), e Radar dei Rischi, che rigenera i report di rischio dai PDF con Gemini.
Assistente LLM + scheduler RL integrati in un ERP manifatturiero. Riduce il coordinamento tra reparti da ore a secondi.
DNN + GNN trasformano le specifiche del cliente in una distinta base completa e in una data di consegna affidabile in pochi minuti. Il chatbot LLM riduce i tempi di risposta interni del 60%.
Reportistica Streamlit sui dati Jira + estrazione delle tariffe energetiche da check24.de a supporto delle decisioni sul mercato tedesco.
Lettore CAN-bus e certificazione automatica dei test batteria per la pipeline di accettazione di Voltfang.
Tutoring uno-a-uno per studenti di Data Science su Python, SQL, R e MongoDB.
Acquisizione, elaborazione, logging e visualizzazione dei dati dei sensori per un dispositivo IoT di monitoraggio della climatizzazione.
Arduino + sensore di corrente INA219 + LCD I²C: riconoscimento della striscia, tempo di misura sul picco e retta di calibrazione dalla tensione di shunt ai mg/dL. Prototipo di studio, open source.
Ricerca alla Sharif (Magistrale e Triennale) in fluidodinamica computazionale; co-autore di una pubblicazione peer-reviewed sui Pulsating Heat Pipes.
Telemetria seriale con pacchetti fissi da 100 byte e marcatori di inizio e fine, altimetro, bussola e orizzonte artificiale in JavaFX, un log CSV per ogni sessione.
Tirocinio in Mapna: parametri degli ugelli di lavaggio compressore e disegni 2D per la produzione di turbine.
Istruzione completa, percorso professionale, certificazioni e riconoscimenti. Disponibile come PDF pronto per la stampa o in formato inline qui sotto.
Lavoro su applicazioni enterprise .NET in team, migliorando performance, scalabilità e affidabilità. Il mio lavoro spazia dall'architettura backend all'ottimizzazione delle performance fino all'AI applicata, traducendo i bisogni di business in soluzioni robuste e manutenibili.
Un focus chiave è integrare l'AI nei servizi backend per automatizzare processi manuali e ottimizzare la gestione dei dati, spostando la revisione umana ripetitiva in pipeline automatizzate affidabili e osservabili.
Co-op Verify controlla le pratiche di contributo pubblicitario (co-marketing) inviate dai concessionari. Per ogni pratica confronta tre importi: il richiesto (dal database), il netto fatturato che l'AI legge nei documenti e il giustificato calcolato dal codice. Segnala criticità e giustificativi mancanti con una spiegazione per il revisore ed esporta i report in PDF e CSV. Completano il sistema i template per tipo di pratica, un modello di punteggio configurabile e un'API.
Una dashboard confronta, periodo per periodo, l'importo richiesto, quello accettato dai revisori e quello giustificato dalla verifica AI, con esportazione in Excel e PDF: così i risultati dell'AI si confrontano con le decisioni dei revisori.
Un editor per agenti vocali AI che conducono interviste telefoniche CATI e fissano appuntamenti: il flusso della conversazione passo per passo, scritto come testo o disegnato in un editor visuale; la scelta della voce e del modello linguistico; la linea del centralino e un numero di prova su Twilio; la sincronizzazione con il servizio vocale, che segnala le impostazioni cambiate lì prima di sovrascriverle; e un'analisi AI dell'agente.
PDF, Excel, documenti scansionati e immagini elaborati con OCR tramite Google Document AI e Gemini per classificazione e estrazione strutturata. Layout KID eterogenei, tabelle multilingua e scansioni rumorose confluiscono in un unico schema normalizzato.
Categorizzazione degli asset, matching degli ISIN, arricchimento via web, analisi dei documenti KID ed estrazione dei costi su fonti eterogenee. Ogni campo estratto è abbinato a un punteggio di fiducia e a un percorso di correzione in un click per l'analista.
Meridian è l'applicazione che ho sviluppato per tutto il flusso: l'analista carica un estratto (un PDF, una foto, uno zip) e ottiene una sintesi con il controvalore, le posizioni e i tipi di strumento, il costo medio dei prodotti, i documenti KID/PRIIPs trovati e verificati e le posizioni da rivedere, dove l'agente propone e l'operatore decide. Ogni valore ha una fonte e una confidenza da 0 a 100, e una checklist mostra punto per punto come sono soddisfatte le richieste del cliente: costi letti due volte dal PDF salvato (Gemini e ChatGPT), tipi di costo separati e mai sommati, pesi calcolati con una formula esplicita e strumenti non chiari lasciati vuoti invece che indovinati.
La vista delle posizioni elenca ogni strumento con ISIN, categoria, classificazione e relativa confidenza, prezzo, peso, fonte del documento KID (per esempio Bloomberg) e costo annuo, con filtri ed esportazione CSV completa. Un report PDF riassume tutta l'analisi.
Ogni esecuzione conserva un log completo: i file vengono riassunti e classificati (per esempio un estratto delle posizioni correnti), un passaggio di analisi consolida le posizioni e riconcilia il totale calcolato con quello dell'estratto, gli ISIN vengono puliti e arricchiti con ricerche web e verifiche di prezzo entro il 5% e poi il 10%, le posizioni incerte vengono segnalate per la revisione manuale e gli ultimi prezzi arrivano da Bloomberg in un unico lotto. Ogni fase salva il risultato intermedio, così ogni numero si può ricostruire.
Contributo al design del database per lo storage degli asset e il tracking storico, garantendo tracciabilità del dato e processing GDPR-compliant lungo tutta la pipeline.
Generazione di report professionali PDF ed Excel con benchmark "Vecchio vs Nuovo"; sviluppo di un'applicazione prototipo e di un layer API per l'intero flusso da ingestione a reportistica.
Audit della struttura CRM attuale, identificazione delle opportunità di miglioramento e definizione di use case AI — ciascuno sostenuto da un prototipo leggero anziché da una slide.
Definire la direzione di prodotto, prioritizzare le feature e coordinare l'esecuzione tra ruoli. Owner di raccolta requisiti, comunicazione con stakeholder e validazione del prototipo prima del passaggio in sviluppo.
Rockey è il CRM per le pratiche di finanza agevolata come credito d'imposta RSI, Transizione 4.0, iperammortamento e Patent Box. La dashboard si apre con Rockey AI, un assistente a cui chiedere di pratiche, clienti e documenti, con scorciatoie per scadenze urgenti, documenti mancanti e ricerca cliente; sotto, le pratiche per stato e per normativa, i benefici consegnati e le prossime scadenze, in widget che ogni utente può disporre.
Una board di monitoraggio mostra ogni pratica per fase, da bozza ad assegnata, in lavorazione, rendicontazione chiusa, chiusa e stand-by, filtrabile per persona, con normativa, scadenza e avanzamento. L'elenco delle pratiche aggiunge codice, esercizio, analista e tecnico, con filtri, colonne a scelta, esportazione e il confronto tra pratiche.
Radar dei Rischi riceve uno o più PDF, il fascicolo completo oppure i singoli report, riconosce il tipo di ogni file, ne estrae il contenuto con Gemini e lo rigenera come report di rischio professionale nel brand dell'azienda, con sezione ESG e prospetti tabellari.
Dekali fornisce software gestionale a PMI manifatturiere italiane. Vendite, pianificatori di produzione e acquisti dialogavano attraverso il sistema ma di fatto lo aggiravano — lunghi scambi di email, fogli di calcolo, riunioni settimanali per capire dove fossero i materiali e quale ordine avviare per primo. L'obiettivo: rendere l'ERP stesso la risposta.
Sviluppo di un assistente basato su LLM, integrato nei flussi operativi aziendali per la gestione di richieste interne su offerte, ordini, materiali e consegne. Il sistema è stato integrato all'interno delle applicazioni aziendali tramite servizi backend in .NET, semplificando la comunicazione tra i reparti vendita e produzione e riducendo i tempi di risposta e gli errori di coordinamento.
Creazione di un modello predittivo per la stima dei materiali grezzi, in grado di analizzare dati storici, vincoli di budget e contratti con i fornitori per proporre il fornitore, la quantità e il prezzo più efficienti, prevedendo anche i tempi di consegna. I risultati del modello sono stati esposti tramite API .NET e resi consultabili tramite interfacce web.
Implementazione di modelli RNN (Recurrent Neural Network) per la previsione delle fasi di produzione e dei relativi costi, fornendo a operatori e responsabili indicazioni dinamiche sulle sequenze di lavorazione. Per la visualizzazione e l'interazione con i dati, ho contribuito allo sviluppo di dashboard in Angular, utilizzando HTML e CSS per la presentazione dei risultati.
Applicazione di tecniche di Reinforcement Learning (RL) alla pianificazione della produzione, considerando competenze degli operatori, priorità e disponibilità delle macchine, per generare pianificazioni dinamiche in tempo reale. Le pianificazioni generate vengono visualizzate e gestite tramite interfacce web sviluppate in Angular.
Sviluppo di un modello DNN per prevedere la configurazione ottimale delle guide per scale a partire dalle specifiche tecniche. Il modello, progettato appositamente per i prodotti Extrema, consente la generazione automatica della distinta base e supporta il team commerciale nella creazione di offerte precise e rapide.
Addestramento di un modello GNN (Graph Neural Network) per apprendere la struttura della distinta base delle guide per scale. Il modello prevede le tipologie di componenti e le specifiche principali utilizzate nel sistema Dekali per stimare tempi e processi produttivi, permettendo di fornire al cliente una data di consegna stimata in meno di dieci minuti.
Creazione di un chatbot basato su LLM per assistere i clienti nella risoluzione dei problemi e nell'esecuzione delle procedure relative ai prodotti Extrema, utilizzando i manuali interni come base di conoscenza. Il chatbot ha ridotto i tempi di risposta interni di oltre il 60%, migliorando l'efficienza e la soddisfazione dei clienti.
Progettazione di algoritmi avanzati di analisi documentale, in grado di estrarre dati strutturati (componenti, materiali, specifiche) direttamente dai disegni tecnici, accelerando l'integrazione con il sistema ERP e automatizzando la creazione dei preventivi.
Automazione della generazione di report tramite Microsoft Azure, con aggiornamenti giornalieri e settimanali sullo stato dei progetti e sulle nuove richieste funzionali, inviati automaticamente a clienti e responsabili.
Progettazione di un'applicazione web con la libreria Streamlit per visualizzare report completi sui log di Jira, supportando i manager nell'analisi delle performance del team e nell'identificazione delle attività svolte per ciascun cliente.
Attività di data mining per check24.de, con estrazione e analisi dei dati sui consumi energetici al fine di fornire insight strategici al team commerciale, utili per orientare le decisioni di mercato e individuare le aree più promettenti in Germania.
Collaborazione attiva con il team di sviluppo software nella creazione di un nuovo modulo progettato per soddisfare le esigenze del team di test delle batterie.
Sviluppo di un pacchetto per la lettura dei dati CAN delle batterie, ottimizzato per analizzare rapidamente le prestazioni e la durata dei sistemi di accumulo.
Automazione della generazione dei report di test per le batterie in ingresso, funzionalità utile per la creazione dei certificati di conformità dei prodotti finali.
Supporto agli studenti del corso di Data Science nello svolgimento delle attività accademiche, fornendo assistenza su linguaggi di programmazione come SQL, R, MongoDB e Python.
Attività di mentorship e consulenza per lo sviluppo di competenze utili al futuro inserimento nel campo della data science.
Gestione dell'acquisizione dati dai sensori ambientali del dispositivo, lavorando a stretto contatto con l'hardware su microcontrollori in C e C++.
Elaborazione, memorizzazione e logging dei dati di misura, per mantenere le letture affidabili e tracciabili durante lunghe sessioni di monitoraggio.
Realizzazione della visualizzazione che mostra in modo chiaro le letture della climatizzazione, con test e debug dell'intero flusso dati dal dispositivo alla visualizzazione, in collaborazione con ricercatori e studenti.
Titolo: Advancements in Pulsating Heat Pipes: Exploring Channel Geometry and Characteristics for Enhanced Thermal Performance. Autori: Mahyar Fazli, Ashkan Mahmoudi, Mojtaba Amini. Pubblicato sui relativi atti su ScienceDirect.
Laurea Magistrale in Ingegneria Aerospaziale alla Sharif University of Technology (100/110), specializzazione in Fluidodinamica Computazionale. 4º su 50 studenti nel corso di Fluidodinamica (2019).
Specifica dettagliata dei parametri degli ugelli di lavaggio compressore e produzione di disegni tecnici 2D utilizzati direttamente in linea di produzione.
Intelligenza Artificiale e Deep Learning · 97/110
Fluidodinamica Computazionale · 100/110
Fluidodinamica · 96/110
Brevi saggi sull'AI dentro aziende reali — cosa funziona, cosa non funziona e quella zona intermedia in cui vive la maggior parte del lavoro in produzione.
Ricopiare a mano i dati dei PDF in Excel è il primo lavoro che l'AI può togliere. Ecco come funziona una pipeline affidabile, cosa cambia tra PDF digitali e scansioni, e come provarla subito.
7 min di lettura →Prima dei modelli AI ci sono i dati, e i dati buoni si progettano a partire dal sensore. Il metodo che uso, dal firmware alla registrazione alla dashboard, nato lavorando su dispositivi di monitoraggio e sistemi di accumulo.
7 min di lettura →Nel 2020 ho costruito il prototipo di un glucometro digitale con Arduino, un sensore di corrente INA219 e un display LCD. Come funziona, dove il codice era fragile e perché un prototipo non è un dispositivo medico.
6 min di lettura →Nel 2018 ho scritto la ground station di telemetria per un progetto CanSat per la competizione AIAA: pacchetti seriali con checksum, strumenti di volo in JavaFX e un file di log per ogni sessione. Cosa rifarei uguale e cosa no.
6 min di lettura →Una guida pratica all'estrazione automatica dei dati da PDF, fatture, contratti e scansioni — l'architettura che funziona davvero in produzione e i quattro errori che affondano la maggior parte dei progetti.
10 min di lettura →Gli agenti vocali AI che rispondono al telefono, qualificano i lead e fissano appuntamenti sono ormai pronti per la produzione. Ecco cosa funziona, cosa no e come attivarne uno senza danneggiare il tuo brand.
9 min di lettura →Ho iniziato con la fluidodinamica computazionale a Sharif e sono finito a rilasciare AI in produzione in Italia. Il percorso è meno strano di quanto sembri — entrambi riguardano la modellazione di sistemi troppo complessi da risolvere esattamente.
8 min di lettura →Ogni azienda vuole "automazione". Poche sanno dire quale processo, in che ordine e come sapranno che ha funzionato. Ecco come decido cosa automatizzare — tra manifattura, finanza e backend .NET enterprise.
7 min di lettura →Iran, Germania, Italia. Persiano, inglese, italiano. Cosa costruire AI in tre paesi mi ha insegnato sulla parte del lavoro che non ha nulla a che fare con il codice.
6 min di lettura →Come integro l'AI nei servizi .NET enterprise di Studium Group — trasformando la revisione manuale dei documenti in una pipeline automatizzata, osservabile e affidabile che scala.
9 min di lettura →Un playbook testato sul campo per usare l'AI e migliorare le procedure interne aziendali — da dove partire, cosa automatizzare per primo e come misurare il ritorno. Lezioni dalla consulenza per PMI manifatturiere, finanziarie e di servizi in Italia.
10 min di lettura →Una retrospettiva sulla sostituzione di uno scheduler basato su regole in Dekali con una policy RL — e sulle regole tacite che nessuno aveva mai scritto.
8 min di lettura →La maggior parte delle pipeline "AI" in produzione è 5% modello e 95% trasformare PDF eterogenei, scansioni, Excel e voci di corridoio in una singola fonte di verità.
9 min di lettura →Tradurre "dovremmo usare l'AI" in una feature che le persone aprono davvero. Un manuale operativo.
10 min di lettura →Come abbiamo codificato i componenti dei montascale come grafo e usato il message-passing per prevedere tempo di processo e data di consegna in meno di dieci minuti.
9 min di lettura →Lezioni dal rilascio di un chatbot di supporto fondato su 1.400 pagine di manuali Extrema — con riduzione dei tempi interni del 60%.
8 min di lettura →Appunti dal tirocinio in Voltfang: parsing dei frame CAN, decodifica DBC, automazione dei certificati di conformità.
6 min di lettura →Come un Linear Eddy Model è entrato nella libreria open-source CANTERA — tra C++, Fortran e Python — e cosa mi ha insegnato sul rilasciare codice nelle codebase altrui.
10 min di lettura →Lo stack Dekali è .NET + Angular con modelli Python dietro le quinte. Ecco il cablaggio che tiene la latenza sotto i 200 ms nella lista ordini.
7 min di lettura →Prevedere in quale fase si trova un job e quanto costerà al momento della spedizione, partendo da telemetria che nessuno aveva mai conservato.
8 min di lettura →Una rete neurale profonda che trasforma le specifiche tecniche del cliente nella configurazione ottimale del montascale, nella distinta base completa e in una data di consegna su cui il commerciale può davvero impegnarsi.
9 min di lettura →Sul sistema di analisi portafoglio di Adhoc SCF, l'affordance più importante non è il numero. È la riga che dice "non lo sappiamo, conferma tu".
8 min di lettura →Note da una modernizzazione di CRM nel settore italiano della finanza agevolata. Perché continuo a consigliare piccole feature AI e grandi investimenti sul CRM.
7 min di lettura →Note dal progetto dati di GreenPocket: come fare scraping su larga scala in modo etico, legale, e senza far cadere il sito sorgente.
6 min di lettura →Dopo tre progetti industriali e una dozzina di pitch, il pattern è lo stesso. Il PoC funziona in un notebook, muore in integrazione, ed è sepolto entro la decima settimana.
7 min di lettura →Aperto a consulenze e collaborazioni su AI in produzione — automazione documentale, pianificazione con RL, assistenti LLM dentro software esistenti. Il modo migliore di raggiungermi è l'email.