Il Politecnico di Milano ha collaborato con uFirst per realizzare un progetto di automazione del censimento e della valutazione delle startup GovTech attive nell’ecosistema tecnologico europeo.
L’iniziativa, basata sul framework ExtrAi Candidate, ha permesso di superare le inefficienze del processo manuale, riducendo drasticamente i tempi di analisi e migliorando l’accuratezza delle valutazioni.
Tradizionalmente, la selezione delle startup richiedeva mesi di lavoro, con un elevato rischio di errori e una forte dipendenza da risorse umane. Il progetto ha risposto a questa esigenza, introducendo un sistema AI-driven capace di estrarre, analizzare e classificare le informazioni in modo rapido e affidabile.
AI generativa e reasoning layer per analisi scalabili e sicure
La soluzione si basa su un’infrastruttura multimodale e on-premise, che integra modelli di AI generativa con un reasoning layer per l’analisi automatica delle startup. ExtrAi Candidate interagisce con fonti eterogenee – siti web aziendali, LinkedIn, bilanci – e genera report in formati standard (CSV, XLS, PowerPoint, DOC), classificando le informazioni secondo criteri definiti dall’utente.
L’applicativo è strutturato in quattro moduli GenAI, dedicati rispettivamente all’estrazione, trascrizione, elaborazione e rappresentazione dei dati.
L’architettura è agnostica rispetto ai modelli AI utilizzati, garantendo flessibilità e sicurezza, grazie alla possibilità di addestramento locale e alla protezione dei dati sensibili.
Il progetto ha incluso la raccolta automatica delle startup, l’identificazione delle parole chiave, l’analisi delle informazioni chiave e la generazione dei report.
La personalizzazione del sistema ha richiesto la formalizzazione dei criteri di valutazione seguiti dal team incaricato, rendendo il processo univoco e replicabile.
I benefici ottenuti sono rilevanti:
- Riduzione dei tempi di analisi da 9–10 mesi a meno di 24 ore
- Miglioramento dell’accuratezza del 40% rispetto al processo manuale
- Dinamicità dell’output, con report aggiornabili automaticamente
- Maggiore affidabilità e oggettività dei risultati
- Liberazione di risorse umane per attività strategiche
Il progetto è entrato nella rosa dei finalisti per i Digital360 Awards nella categoria “Artificial Intelligence & Data Analytics”.
