Intelligenza artificiale. Progettata fino in fondo.
Trasformiamo l’IA in una componente produttiva del vostro software. Con competenze tecniche approfondite, potenti server propri e un’architettura di cui mantenete il controllo.
ETZENSPERGER INFORMATIK AG
Illustrazione di un database vettoriale con gruppi tematici collegati e parole chiave. La scritta originale etz.ch fluttua al centro come contorno tridimensionale nei suoi colori originali. Ogni gruppo tematico è collegato al punto turchese del logo etz.ch. Nessun dato reale dei clienti. Software: API, TypeScript, SaaS. Conoscenza: RAG, Embeddings, Retrieval. Sicurezza: Code Review, SAST, CI/CD. Infrastruttura: GPU, Inferenza, On-Premises. Modelli: Qwen 3.8, GPT-6 Astra, Claude Opus 5. Dati: Documenti, Contesto, Metadati.
Etzensperger Informatik AG unisce esperienza nei progetti software e competenza pratica nell’IA. Colleghiamo modelli linguistici, dati e logica aziendale per creare valore misurabile.
La RAG collega i modelli ai documenti e ai dati autorizzati. Embedding e ricerca vettoriale forniscono il contesto, le fonti rendono verificabili le risposte e i permessi si applicano già al recupero.
RAG / EMBEDDINGS / RETRIEVALAnalizzare documenti, strutturare informazioni e preparare processi: integriamo l’IA in applicazioni e API con output strutturati, chiamate validate e permessi limitati.
API / TOOL CALLING / WORKFLOWSIl prototipo è un inizio. Casi di test rappresentativi, prompt versionati e valutazioni mirate verificano qualità, latenza e costi, rendendo tracciabili i cambi di modello.
EVALS / OBSERVABILITY / LIFECYCLEPrivate AI / Qwen 3.8
Gestiamo Qwen 3.8 sui nostri potenti server. In questa modalità locale, dati sensibili e codice sorgente vengono elaborati nella nostra infrastruttura senza essere inviati a fornitori esterni per l’inferenza.
Nelle nostre pipeline usiamo Qwen locale per esaminare le modifiche al codice e individuare potenziali vulnerabilità. Il modello aiuta a verificare flussi di dati, validazione degli input e autorizzazioni, per correggere i punti sospetti prima del rilascio.
Selezionate una fase per esplorare il processo di verifica.
Commit & diff
Qwen · locale
Team tecnico
Test & deployment
Il processo parte da una modifica del codice. Il diff e il contesto applicativo mostrano quale logica è cambiata e come i dati attraversano le funzioni interessate.
Una ricerca utente inserisce un input direttamente in una query SQL.
La funzione modificata e il suo flusso di dati vengono raccolti per l’analisi locale.
Il nostro modello Qwen locale esamina la modifica nel suo contesto. Segnala flussi di dati sospetti e supporta gli specialisti con la posizione del codice e una spiegazione.
Un input non verificato potrebbe modificare la struttura SQL: sospetta SQL injection.
La segnalazione passa al team tecnico. La risposta del modello non decide da sola il rilascio.
Il team tecnico verifica la segnalazione nel contesto dell’applicazione. Nell’esempio, una query parametrizzata sostituisce la concatenazione diretta e un test di regressione verifica la correzione.
− query("SELECT * FROM users
WHERE id = " + input)+ query("SELECT * FROM users
WHERE id = ?", [input])Dopo la correzione seguono nuove revisioni, test automatici e i controlli di sicurezza previsti. La modifica passa al deployment solo quando sono soddisfatti i criteri di approvazione definiti.
Anche i caratteri speciali vengono passati come dati. L’input non può modificare la struttura della query parametrizzata.
Revisione conclusa, test superati e controlli richiesti soddisfatti: la modifica corretta può essere distribuita.
Gli specialisti verificano le segnalazioni dell’IA, che integrano revisioni, test automatici e scanner di sicurezza. Una revisione senza rilievi non garantisce codice privo di vulnerabilità.
Abbiamo realizzato progetti anche con OpenAI e Claude di Anthropic. Stabilite voi il tipo di integrazione e il luogo consentito per il trattamento dei dati. Progettiamo l’architettura di conseguenza.
Qwen sui nostri server per dati sensibili, codice interno e flussi di dati chiaramente delimitati.
Qwen 3.8GPT-6 Astra di OpenAI o Claude Opus 5 di Anthropic nella vostra applicazione. Modello, API, categorie di dati e contratti sono adattati al caso d’uso.
GPT-6 Astra / Claude Opus 5Elaborazione locale dei contenuti riservati e modelli esterni per compiti espressamente autorizzati, secondo le regole concordate.
Qwen 3.8 + GPT-6 Astra / Claude Opus 5Prima dell’implementazione verifichiamo regioni e opzioni contrattuali disponibili, incluse archiviazione, log, backup e subfornitori. Non tutte le combinazioni di modello e regione sono disponibili.
Dati personali e segreti entrano nel contesto solo se necessari e se il trattamento è autorizzato. La minimizzazione inizia prima del prompt.
Un modello non è un controllo degli accessi. Ruoli, separazione dei clienti e permessi vanno applicati nel software e nel recupero dei dati.
Documenti e pagine possono contenere istruzioni malevole. Limitare gli strumenti, validare le chiamate e approvare le azioni critiche riduce il rischio di prompt injection.
I modelli possono produrre affermazioni plausibili ma false. Fonti, test e revisione umana servono prima di usare i risultati.
Prompt, embedding, risposte e log possono essere riservati. Occorre prevedere accesso, cifratura, conservazione e cancellazione.
La gestione locale da sola non basta. Aggiornamenti, interfacce monitorate e nuove valutazioni dopo i cambi di modello restano necessari.
Da una buona idea a un’IA produttiva
Portate il vostro caso d’uso. Chiariremo insieme benefici, requisiti dei dati e integrazione, per definire un prossimo passo concreto.