Sistemi AI e automazioni

Metodo e implementazione

Dalle note,
alle azioni.

Organizziamo informazioni sparse in attività chiare, verificabili e pronte per la revisione.

Progettiamo ogni passaggio intorno alle sue fonti, agli strumenti già in uso e alle persone che devono poter decidere.

Scopri il metodo

Metodo e implementazione

Informazioni sparse.
Una direzione chiara.

Il metodo è mostrato con due implementazioni indipendenti su dati sintetici: una estrae informazioni da una nota con un modello locale; l’altra riceve dati strutturati già compilati e ne verifica le evidenze in n8n, senza usare il modello. La prima non alimenta la seconda.

Estrazione

Dalla nota
ai dati.

  1. FonteUna nota
  2. InferenzaModello locale
  3. RisultatoJSON strutturato

Dettagli presenti e informazioni mancanti restano distinguibili nel risultato.

Verifica e preparazione

Dai dati
alla revisione.

  1. IngressoDati strutturati
  2. ControlloEvidenze esatte
  3. PreparazioneAnteprime locali
  4. ConfineRevisione umana

Le informazioni complete avanzano; ciò che manca resta da chiarire prima della revisione.

Estrazione

Dalla nota
ai dati strutturati.

L’appuntamento conserva data, orario e fuso; la richiesta di email non inventa l’indirizzo dell’amministratore. Le bozze restano in attesa di revisione.

Contenuto della nota · sintesi in italiano

Dettagli presenti.
Destinatario non fornito.

Appuntamento
2 ottobre 2026, ore 16:30 · fuso Europe/Rome
Richiesta
Email all’amministratore; indirizzo non fornito
Altri dati
Due articoli per la spesa

Questi campi riprendono i dettagli espliciti della nota.

Estratto del risultato · JSON originale in inglese
{
  "calendar_drafts": [{
    "start_local": "2026-10-02T16:30:00",
    "timezone": "Europe/Rome",
    "approved": false
  }],
  "email_drafts": [{
    "recipient": null,
    "approved": false
  }],
  "actions_executed": []
}

null conserva l’indirizzo mancante. L’array vuoto conferma che il risultato non registra azioni eseguite.

Dettagli dell’esecuzione e file sorgente
49,464 sAvvio e caricamento inclusi
1Tentativo · processo completato
14 / 14Controlli sul risultato salvato

Una sola esecuzione su una macchina specifica: il tempo non è un confronto generale di velocità o accuratezza.

Ternary Bonsai 27B · quantizzazione 2-bit · MLX e mlx-lm 0.31.1 · macOS arm64. MLX ha riportato 8,338 GB di memoria di picco. Il processo è terminato con codice 0 e senza messaggi sul canale di errore (stderr).

Verifica e preparazione

Dai dati,
a una revisione chiara.

Ogni proposta resta collegata alla sua fonte. Le informazioni complete diventano anteprime ordinate; ciò che manca resta visibile a chi deve decidere.

Prima della revisione

Ogni attività conserva il suo contesto.

Le proposte complete avanzano con i dettagli e le fonti che le sostengono. Le informazioni mancanti restano segnalate prima che una persona decida.

Per chi deve decidere

Una revisione basata sui fatti.

  • Ogni dato resta legato alla frase che lo supporta.
  • Proprietario o data mancanti restano da chiarire; l’evento incompleto non viene preparato.
  • Informazioni attribuite all’attività sbagliata non passano la verifica.
  • Duplicati in conflitto bloccano la preparazione.
  • Dati incompleti o con affidabilità insufficiente restano fuori dall’anteprima.
Dettagli del flusso e file sorgente

Il flusso n8n 2.40.7 è stato eseguito due volte: tutti e cinque i nodi si sono conclusi correttamente e i risultati sono rimasti identici byte per byte, in linea con quelli del validatore indipendente. Quattordici test automatici coprono campi mancanti, citazioni non corrispondenti, duplicati in conflitto, date e formati.

Pronte per revisione
2
Da chiarire
1
Duplicati accorpati
1

Sistemi progettati per il lavoro reale

Portiamo il metodo
nel tuo processo.

Disegniamo automazioni e sistemi AI attorno a dati, strumenti e responsabilità già presenti in azienda: dalla mappa del flusso fino alle verifiche e alla messa in opera.

Parliamone su Cal.com, nuova scheda