Quattro direzioni di lavoro
01 — AI agents
Agent autonomi che eseguono workflow specifici end-to-end. Non chatbot generici. Lavoriamo su agent quando il workflow è ripetibile, ha output misurabili, e la complessità del giudizio richiesto giustifica l’orchestrazione AI rispetto a una pipeline deterministica.
Esempi tipici: triage e classificazione di documenti, supporto alla compliance, qualificazione di lead, automazione di reporting strutturato, ricerca di mercato continuativa.
02 — Automazioni e integrazioni
La maggior parte del valore dell’AI applicata in azienda non viene da un nuovo prodotto, ma dall’eliminazione di lavoro umano ripetitivo sui sistemi che già usate. Connettiamo ERP, CRM, sistemi documentali, contabilità, posta elettronica con un layer di ragionamento AI che decide, classifica, scrive, instrada.
Output: meno tempo umano sui task ripetitivi, più tempo sui giudizi che richiedono persone.
03 — Infrastruttura applicata
La parte invisibile che rende un sistema AI affidabile in produzione: retrieval-augmented generation (RAG) progettato sul vostro contenuto, knowledge graph, pipeline dati, osservabilità delle decisioni AI, valutazione continuativa, gestione delle versioni dei prompt e dei modelli.
Spesso lavoriamo su questo strato come fondazione per uno o più agent successivi. Spesso lavoriamo su questo strato anche da solo — quando un’azienda ha già adottato strumenti AI ma sta scoprendo che senza infrastruttura solida quegli strumenti diventano un collo di bottiglia.
04 — Ricerca applicata
Feasibility study, model evaluation, percorsi prototype-to-production. Quando la domanda è “è possibile?” prima di “quanto costa?”. Questo è il punto di ingresso naturale per progetti dove il rischio tecnico è ancora alto.
Come iniziamo
Prima conversazione gratuita. Capiamo il problema, raccontiamo cosa pensiamo si possa e non si possa fare, definiamo se ha senso lavorare insieme. Se ha senso, scriviamo una proposta breve con scope, output e prezzo. Niente discovery a pagamento mascherata da consulenza, niente preventivi a pacchetto.
La maggior parte degli ingaggi va da una feasibility study o prototipo di 2–4 settimane a una build di produzione di 2–4 mesi, con retainer leggeri opzionali per evoluzione e operations. Le specifiche si fissano per iscritto in proposta — niente fatturazione oraria a rotazione.
AI agents
Agent autonomi che eseguono workflow specifici end-to-end — non chatbot generici, ma sistemi orchestrati intorno a un task di business misurabile.
2–4 mesi Build di produzione
Automazioni e integrazioni
Connettori tra i sistemi che già usate (ERP, CRM, documentale, contabilità) con un layer di ragionamento AI sopra. Output: meno tempo umano sui task ripetitivi, più sui giudizi.
2–6 sett. Per integrazione
Infrastruttura applicata
RAG, knowledge graph, retrieval, pipeline dati, osservabilità. La parte invisibile che rende un sistema AI affidabile in produzione.
1–3 mesi Fondazione
Ricerca applicata
Feasibility study, model evaluation, percorsi prototype-to-production. Quando la domanda è 'è possibile?' prima di 'quanto costa?'.
2–4 sett. Feasibility study
Domande frequenti
-
Cosa intende Reeb Labs per 'agent in produzione'?
Un agent in produzione è un sistema AI che esegue un workflow specifico in modo affidabile, ripetibile, osservabile — non una demo che funziona solo sui casi felici. Significa logging strutturato, fallback espliciti, gestione degli errori, valutazione continua, e responsabilità tecnica end-to-end. Costruiamo agent solo dopo aver capito il problema, prototipato il flusso e validato che il sistema produce valore misurabile. -
Lavorate solo con grandi aziende, o anche con PMI?
Lavoriamo principalmente con PMI italiane ed europee, manifatture e società di servizi professionali (studi legali, commercialisti, consulenze, agenzie). La nostra ipotesi di lavoro è che la maggior parte del valore dell'AI applicata in Europa nei prossimi anni sarà sbloccata in queste aziende, non in enterprise da 10.000 dipendenti. -
Costruite modelli da zero o usate modelli esistenti?
Quasi sempre usiamo modelli esistenti — frontier (Anthropic, OpenAI), open-weight (Llama, Qwen, Mistral) — orchestrati intorno al problema. Costruire un modello fondazionale da zero è raramente la risposta giusta. Quello che progettiamo da zero è il sistema intorno al modello: retrieval, valutazione, prompt engineering disciplinato, integrazione, osservabilità. -
In che lingua lavorate?
Italiano, inglese, spagnolo. Documentazione tecnica e codice in inglese; comunicazione con il cliente nella sua lingua. -
Quanto dura tipicamente un progetto?
Variable. Una feasibility study o un prototipo: 2-4 settimane. Un sistema di produzione: 2-4 mesi. Un retainer continuativo per evoluzione e operations: open-ended. Lo scoping iniziale è gratuito e definisce dove ci collochiamo.