In questa intervista Michal Ochapski, ricercatore selezionato dal programma FABER, racconta come questa esperienza abbia segnato una svolta nel suo percorso professionale, permettendogli di esplorare il campo dell’intelligenza artificiale all’interno di Emm&mmE Informatica. Grazie al supporto del programma, Michal ha potuto contribuire allo sviluppo di progetti innovativi che spaziano dalla Generative AI alla Computer Vision, con applicazioni pratiche nei settori della sicurezza, dell’apprendimento e della gestione d’ufficio. Il progetto FABER si conferma così un catalizzatore fondamentale per connettere il mondo della ricerca accademica con quello dell’innovazione d’impresa.
Puoi raccontarci dei progetti di ricerca su cui stai lavorando attualmente e da cosa sono nati?
Attualmente sono coinvolto in diversi progetti, tutti legati al mondo affascinante dell’intelligenza artificiale. Lavoriamo su vari ambiti, tra cui Generative AI, Computer Vision e problemi classici di Machine Learning. Ad esempio, nel progetto BIM Racks analizziamo dati provenienti da sensori di temperatura e vibrazione per creare un profilo termico di un magazzino e sviluppare un sistema di rilevamento sismico. Usiamo previsioni su serie temporali, metodi statistici classici e analisi dei dati.
Nel progetto OnBSmart, in collaborazione con Lucy in the Sky e l’altra borsista FABER, Giulia Capanni, impieghiamo soluzioni di Generative AI e architettura RAG per generare test a partire da materiali di riferimento. Abbiamo inoltre sviluppato un sistema di riconoscimento di prodotto che associa immagini prototipali a foto reali, usando strumenti di Computer Vision, modelli open-source affinati, un database personalizzato e un flusso di elaborazione delle immagini.
Infine, Mario.AI è un progetto recente che prevede la progettazione di un’architettura AI multi-agente per un chatbot che assista nelle attività d’ufficio, integrato con vari strumenti sviluppati da Emm&mmE Informatica.
Quali sono i benefici concreti o le possibili applicazioni pratiche del tuo lavoro?
L’adozione dell’AI e del Machine Learning porta a una maggiore efficienza, scalabilità e riduzione dei costi: vantaggi competitivi fondamentali per le aziende. Ogni nostro progetto ha potenziali applicazioni concrete: il rilevatore sismico del progetto BIM Racks migliora la sicurezza dei lavoratori; il sistema OnBSmart semplifica l’onboarding rendendolo più trasparente ed efficiente; il product finder ha applicazioni rilevanti nel settore moda; infine, Mario.AI può velocizzare e semplificare i processi d’ufficio grazie alla sua versatilità, specie se integrato con strumenti come JustSeat, il nostro sistema per la prenotazione delle postazioni in ufficio.
Come hai scoperto il programma FABER e cosa ti ha spinto a candidarti?
Ho conosciuto il programma FABER grazie alla mia azienda, Emm&mmE Informatica, che mi ha proposto di partecipare. Dopo aver scoperto le opportunità offerte e il potenziale del programma, ho deciso di candidarmi con entusiasmo.
Cosa ha significato per la tua ricerca essere selezionato per il programma FABER?
Essere selezionato mi ha permesso di esplorare nuove direzioni professionali. Sono un fisico sperimentale di formazione, e grazie al programma FABER ho potuto entrare nel mondo dell’AI e del Machine Learning, che mi ha sempre affascinato e dove mi trovo particolarmente a mio agio. Ho inoltre apprezzato molto il collegamento con il mondo accademico che il programma promuove: come ex ricercatore scientifico, è stato entusiasmante poter ristabilire un ponte tra accademia e impresa, fondamentale per accelerare l’innovazione.
Stai collaborando anche con un’altra borsista FABER, Giulia Capanni. Come è nata questa collaborazione e che valore ha portato al progetto?
La collaborazione è nata quando Emm&mmE e Lucy in the Sky hanno deciso di integrare una componente AI nel progetto OnBSmart. Giulia ed io ci occupiamo di aspetti complementari. La collaborazione è stata interessante anche oltre il progetto stesso, perché ho potuto conoscere il lavoro e le ricerche di Giulia. Non vedo l’ora di continuare a collaborare nei prossimi mesi e anni.
I tuoi progetti spaziano dal Machine Learning tradizionale all’Intelligenza Artificiale Generativa e alla Computer Vision. Secondo te, qual è il filo conduttore che li unisce e che definisce l’approccio di Emm&mmE Informatica all’intelligenza artificiale?
Il nostro approccio si basa sulla flessibilità e sulla capacità di affrontare ogni progetto in modo personalizzato. Questo, insieme alla composizione interdisciplinare del team, rappresenta il vero punto di forza di Emm&mmE Informatica. La nostra diversità di competenze ci permette di affrontare i problemi da varie angolazioni e di scegliere gli strumenti più adatti per ogni sfida.
Il progetto BIM Racks ha un obiettivo ambizioso: trasformare i dati dei sensori in strumenti predittivi per eventi legati a temperatura e terremoti. Quali sono state le principali sfide tecniche e come le hai affrontate?
La sfida principale è stata la mancanza di dati reali su terremoti registrati dai sensori nella sede installata. Per superarla, ci siamo rivolti al Museo di Scienze Planetarie di Prato, dotato di una piattaforma che simula terremoti storici basandosi su segnali sismici registrati. È stato un punto di riferimento prezioso e un’esperienza molto interessante.
OnBSmart utilizza l’Intelligenza Artificiale Generativa e le architetture RAG per creare test personalizzati. Pensi che strumenti di questo tipo possano rivoluzionare il modo in cui si apprende e si valutano le conoscenze nelle scuole e nelle aziende?
Assolutamente sì. Questi strumenti rendono l’apprendimento più interattivo, coinvolgente e reattivo, tutte caratteristiche che aumentano l’efficacia didattica. Per quanto riguarda la valutazione, possono velocizzare i processi, in particolare nei test chiusi o a scelta multipla, supportando concretamente gli esaminatori.
Mario.AI rappresenta un passo importante, grazie a un’architettura multi-agent pensata per supportare le attività d’ufficio. Qual è la tua visione sul futuro dei chatbot intelligenti? E quali funzionalità ritieni fondamentali per renderli davvero utili nella vita lavorativa di tutti i giorni?
Credo che i chatbot intelligenti diventeranno presto strumenti comuni nella nostra vita quotidiana: sono facili da usare e possono offrire numerose funzioni utili. La vera rivoluzione sta nella loro capacità decisionale e nella comprensione del linguaggio umano.
Il futuro è nei sistemi multi-agent capaci di gestire compiti complessi e integrarsi con altri strumenti e prodotti. È proprio l’integrazione a trasformare un chatbot in qualcosa di molto più di un semplice assistente virtuale, ampliandone enormemente il potenziale.