Domande frequenti

No. La nostra tecnologia DART si basa sul few-shot learning: bastano 10–50 immagini per classe per addestrare un modello ad alta precisione. Non servono migliaia di campioni come nei sistemi tradizionali.

Tipicamente 2–4 settimane dalla raccolta dei dati iniziale. Il proof-of-concept viene testato sui tuoi dati reali, così puoi valutare i risultati prima di procedere con lo sviluppo completo.

Sì. Tutte le nostre soluzioni sono disponibili sia in cloud (SaaS) che on-premise. L'architettura on-premise è ideale per chi ha requisiti di data sovereignty, reti air-gapped o vincoli normativi stringenti.

Tutte le soluzioni espongono API REST documentate. L'integrazione con ERP, MES, CRM o sistemi custom avviene tramite endpoint standard. Forniamo SDK e supporto tecnico durante l'integrazione.

Il nostro motore DART raggiunge il 99.9% di accuratezza con zero falsi positivi, anche su cataloghi con decine di migliaia di classi. Le performance vengono validate sul tuo caso d'uso specifico durante la fase di prototipo.

Sì. Grazie al metric learning, aggiungere una nuova classe richiede solo poche immagini di riferimento — senza alcun retraining. Il sistema è open-set: riconosce anche oggetti mai visti durante l'addestramento.

Offriamo SLA garantiti con monitoraggio continuo delle performance, aggiornamenti periodici del modello e un team di supporto dedicato. Interveniamo proattivamente se i KPI scendono sotto soglia.

Lavoriamo trasversalmente: produzione industriale, retail e GDO, logistica, collezionismo, e knowledge management aziendale. La nostra tecnologia è agnostica rispetto al dominio applicativo.