Ogni caso parte da un problema vero.
Finisce con qualcosa che gira.

Il problema

Produrre contenuti per LinkedIn ogni settimana bruciava ore di attenzione. Tempo sottratto a chi avrebbe dovuto pensare all'azienda, non a riempire un calendario editoriale.

L'intervento

Abbiamo costruito un sistema che genera le idee, scrive i post, produce le immagini e chiede approvazione via Telegram. Solo dopo il via libera, pubblica.

Il risultato

Sessantacinque secondi di lavoro umano per post. Il primo contenuto pubblicato ha portato 546 impression e 32 visite al profilo, senza che nessuno restasse incollato alla tastiera.

Il problema

Serviva tenere d'occhio temperatura, umidità e qualità dell'aria in più stanze contemporaneamente, sapendo sempre quale ambiente stava cambiando e quando.

L'intervento

Firmware su misura su nRF52 ed ESP32, beacon Bluetooth per riconoscere la posizione e un'app Android che mostra i grafici e manda le notifiche quando un valore esce dai limiti.

Il risultato

Sistema in uso, arrivato alla versione 3.4.1. Non un prototipo lasciato in un cassetto, ma uno strumento che continua a lavorare e a migliorare.

Il problema

In città si perde tempo, carburante e pazienza a cercare parcheggio. Un problema quotidiano che nessuna mappa statica riusciva davvero a risolvere.

L'intervento

Un modello di machine learning Random Forest che incrocia dati di sensori, meteo, eventi, traffico e ZTL, racchiuso dentro un'app mobile pensata per chi guida.

Il risultato

Prodotto live, con un metodo brevettato alla base e piani in abbonamento. Un caso ancora aperto, perché la città cambia e il modello impara con lei.