I progetti del laboratorio

In questa sezione sono raccolte le attività di ricerca, i prototipi e i progetti sviluppati all'interno dei laboratori di HighEStLab. L'obiettivo dell'attività progettuale non è l'accelerazione fine a se stessa dell'intelligenza artificiale, ma l'indagine scientifica e pratica sul suo utilizzo ottimale. Il focus è incentrato sull'adozione dell'IA per incrementare le performance aziendali, risolvere problemi complessi e individuare nuove metodologie di lavoro.

Ogni iniziativa viene documentata seguendo un percorso che va dallo studio preliminare alla realizzazione pratica, guidata dalla visione che l'intelligenza artificiale debba generare un impatto positivo sul contesto sociale ed economico, ampliando le opportunità e potenziando le capacità umane. All'interno di HighestLab, il principio cardine non è l'accelerazione delle macchine, ma l'accelerazione delle persone.

A completamento della sezione, è presente un archivio dedicato alla consultazione dei progetti conclusi, volto a documentare i risultati conseguiti e lo storico delle attività di ricerca portate a termine dal laboratorio.

Archivio progetti

Il progetto

AIDA (AI-assisted Design Automation for Heterogeneous Electronic Systems) è una piattaforma innovativa, progettata per automatizzare e ottimizzare lo sviluppo e il collaudo di sistemi elettronici complessi, attraverso l’integrazione dell'intelligenza artificiale.

In un contesto industriale in cui i dispositivi integrano tecnologie sempre più eterogenee (analogico, digitale, di potenza, connettività), AIDA agisce come un motore intelligente in grado di interpretare i criteri di progettazione espressi in linguaggio naturale, traducendoli automaticamente in configurazioni progettuali ottimizzate.

La piattaforma viene validata su due mercati verticali e strategici: l'automotive e l'internet of things (IoT).

UniTo partecipa al consorzio AIDA nell’analisi:

dello stato dell’arte del settore,
dei competitor,
dell’impatto della tecnologia ex ante.

Nuove metodologie di analisi e lo sviluppo di KPI innovativi saranno alla base delle singole analisi. Il progetto è realizzato con il sostegno della Regione Piemonte, finanziato attraverso il Bando SWIch (edizione 2024) all'interno del Programma Regionale Piemonte F.E.S.R. 2021/2027.

L'obiettivo

Il progetto punta a semplificare e accelerare la progettazione di microchip avanzati di ultima generazione attraverso l’utilizzo del machine learning e di sistemi di intelligenza artificiale generativa, rafforzando la competitività delle aziende coinvolte nella progettazione, produzione, integrazione e collaudo dei dispositivi.

A tal fine verrà sviluppata una piattaforma automatizzata che consentirà di definire i criteri di progetto in modo semplice, intuitivo e versatile, integrando algoritmi avanzati di ottimizzazione. Con questa tecnologia, AIDA intende rendere accessibile l'intelligenza artificiale per aiutare specialmente le PMI a superare i limiti della progettazione manuale, sfruttando modelli generativi e predittivi per ridurre i tempi di sviluppo, abbattere i costi e migliorare la qualità dei sistemi.

Il consorzio

Chi ha partecipato

Il progetto riunisce aziende leader nella microelettronica, istituzioni accademiche di eccellenza e PMI innovative in un ecosistema integrato di ricerca e sviluppo.

STMicroelectronics s.r.l.: guida il consorzio e fornisce l'infrastruttura tecnologica, inclusi simulazione, librerie di componenti e modelli di dispositivi, su cui si basano gli algoritmi di IA per la generazione automatica dei progetti.
SPEA s.p.a.:integra le attività di collaudo fin dalle prime fasi di progettazione, trasformandolo da voce di costo finale a elemento strategico del processo di sviluppo. Inoltre, definisce e modella le procedure di verifica di microchip e schede direttamente all'interno della piattaforma.
RADA s.n.c.: opera come integratore software del progetto. Sviluppa l'interfaccia utente, gestisce le strutture dei database e realizza le dashboard avanzate di data analytics per visualizzare e analizzare in modo intuitivo i risultati prodotti dall'IA.
Politecnico di Torino: partecipa con il proprio gruppo di ricerca del Dipartimento di Automatica e Informatica per sviluppare e addestrare gli algoritmi di Intelligenza artificiale generativa e predittiva. Questi modelli costituiscono il motore tecnologico del progetto, capace di tradurre una descrizione testuale nei requisiti di un sistema elettronico ottimizzato.
Capetti Elettronica s.r.l.: sviluppa e valida un prototipo IoT per il monitoraggio strutturale dinamico di infrastrutture come ponti, edifici e gallerie. Definisce i criteri del progetto per l'integrazione di sensori di movimento e moduli di connettività wireless all'interno della piattaforma.
Midori s.r.l.: sviluppa un prototipo per il monitoraggio energetico intelligente in ambito domestico, curando la selezione dei componenti hardware, la programmazione del firmware e la validazione degli algoritmi di Intelligenza artificiale dedicati al riconoscimento non invasivo dei consumi elettrici.
Bylogix s.r.l.: apporta le proprie competenze nel settore automotive attraverso lo sviluppo delle librerie e l'integrazione delle soluzioni nei prototipi dedicati alla guida assistita e alla ricarica intelligente dei veicoli elettrici, nel rispetto degli standard internazionali di sicurezza e protezione informatica.
AlphaWaves s.r.l.: si occupa della definizione architetturale e dei requisiti di sistema per il prototipo automotive, sviluppando le componenti software e firmware dedicate all’interazione con l’utente e validando sul campo i modelli simulativi nel contesto reale del veicolo.

Università degli Studi di Torino, HighESt Lab: guida l’analisi strategica e la valutazione d’impatto del progetto attraverso . In particolare,definisce gli indicatori di performance e sulla misurazione dei benefici economici, operativi e tecnologici generati da AIDA, fornendo una validazione scientifica del vantaggio competitivo derivante dall'integrazione dell'intelligenza artificiale. I dipartimenti coinvolti sono il dipartimento di Informatica e di Economia e Statistica Cognetti De Martiis.

Keywords: intelligenza artificiale generativa, microelettronica, internet of things (IoT), automotive, electronic design automation (EDA), sensori, Bando SWIch.

CONSULTANT 3.0

Il progetto

Consultant 3.0 è un esperimento condotto tra ottobre e dicembre 2025 da HighESt Lab dell'Università di Torino in collaborazione con Accenture Italia. Strutturato come un clinical trial organizzativo, ossia un esperimento rigoroso in azienda, lo studio misura empiricamente in che modo l'intelligenza artificiale generativa trasforma le performance professionali, le dinamiche di team e il benessere emotivo dei lavoratori.

Il progetto ha coinvolto 291 consulenti di Accenture Italia in una simulazione di una giornata lavorativa, dove a ogni team o consulente singolo è stato chiesto di consegnare a fine giornata di lavoro un elaborato sullo sviluppo di una soluzione digitale per le Olimpiadi Invernali di Cortina, avvalendosi liberamente di strumenti di GenAI. I partecipanti sono stati assegnati casualmente a tre configurazioni: individui singoli, team omogenei (stesso livello di seniority) e team eterogenei (seniority mista).

I 196 elaborati prodotti sono stati valutati in modalità single-blind da 27 dirigenti senior su cinque dimensioni: qualità, novità, fattibilità, impatto e tecnicità .A fine giornata il team del laboratorio ha raccolto gli elaborati finali e le interazioni dei team con l’IA.

L'obiettivo e i risultati

Il progetto indaga come la GenAI ridefinisce la collaborazione e la performance nei contesti organizzativi. Tra i risultati più rilevanti, i team omogenei per seniority ottengono performance significativamente superiori rispetto ai team eterogenei. Lo studio evidenzia inoltre che gli individui supportati dalla GenAI raggiungono performance comparabili a quelle dei team eterogenei, suggerendo che l'accesso all'IA può ridurre il vantaggio tradizionalmente associato al lavoro collaborativo in alcune attività ad alta intensità cognitiva. La ricerca ha inoltre dimostrato che il lavoro di squadra mitiga stress e frustrazione, facendo emergere la resilienza emotiva come competenza aziendale fondamentale rispetto al lavoro individuale.
L’analisi ha inoltre riguardato come i migliori 10 interagiscono con l’AI. I top performer si distinguono per una doppia competenza linguistica (verbale e articolata nei report, nominale e sintetica nei prompt) e rielaborano attivamente l'output dell'AI mantenendo piena coerenza tematica, restando protagonisti del processo.

L’analisi ha prodotto:

Due paper scientifici, riconosciuti come best paper nella conferenza IGCKM 2026 (italian Global community of knowledge management) nella categoria Artificial Intelligence, Big Data and Intelligent Systems e nella conferenza SIMA (Società italiana di management).
Un report per l’azienda in cui vengono dati suggerimenti di riorganizzazione aziendale in base alle ricerche effettuate.

Chi ha partecipato

Università degli Studi di Torino, HighESt Lab: ha curato il disegno sperimentale e l'analisi dei dati, sotto la guida della Direttrice Paola Pisano, con il team composto da Maria Caligaris, Liv Berlinguer e Matteo Malisan.
Accenture Italia: ha reso possibile l'esperimento coinvolgendo attivamente i consulenti e i manager, mettendo a disposizione un contesto organizzativo reale e i propri strumenti di GenAI.

Keywords: Intelligenza Artificiale Generativa (GenAI) · Co-intelligence · Human-in-the-lead · Future of Work

FoodCare Oncology

Il progetto

FoodCare Oncology è una piattaforma digitale nata per superare la frammentazione del supporto nutrizionale nei percorsi di cura oncologici, con un focus iniziale sul tumore della mammella. Il sistema offre un ambiente condiviso in cui raccogliere e organizzare dati clinici, antropometrici, alimentari e di laboratorio, consentendo al team medico di valutare precocemente il rischio di malnutrizione e strutturare interventi su misura. L'ecosistema si articola in due interfacce integrate: una dashboard medica, destinata a oncologi, nutrizionisti e dietisti per la gestione dei dati e la generazione di schemi alimentari, e una dashboard paziente, che offre all'utente un canale diretto per consultare i piani approvati e inserire feedback sul proprio percorso. Il sistema adotta un rigoroso modello human-in-the-loop, in cui gli algoritmi supportano il lavoro clinico, ma ogni proposta viene tassativamente verificata e validata dal professionista sanitario prima di essere condivisa.

L'obiettivo

L'obiettivo di FoodCare Oncology è rendere la nutrizione clinica un pilastro strutturato, continuativo e parte integrante dell'iter terapeutico, ottimizzando la collaborazione tra specialisti e pazienti. Attraverso un monitoraggio longitudinale e costante di parametri chiave come l'aderenza, i sintomi e le preferenze individuali, la piattaforma permette di adattare tempestivamente le strategie terapeutiche in base alle linee guida ESPEN.

A supporto di questo traguardo, il sistema integra NutriBoard, uno strumento dedicato alla costruzione della dieta che traduce le indicazioni cliniche in proposte alimentari concrete, flessibili e coerenti con i bisogni di ogni persona. Questo flusso continuo di informazioni non solo migliora l'efficacia delle cure, ma garantisce la tracciabilità di ogni decisione e riduce significativamente il carico operativo del personale sanitario, mantenendo sempre lo specialista al centro del processo decisionale.

Chi ha partecipato

Il progetto si sviluppa grazie alla cooperazione e alle competenze complementari dei partner coinvolti:

S.C. Oncologia Medica 1U, A.O.U. Città della Salute e della Scienza di Torino: contribuisce con la competenza oncologica clinica, definendo i requisiti del workflow di revisione e approvazione dei piani nutrizionali e garantendo la coerenza della piattaforma con la pratica assistenziale reale.
S.C. Dietetica e Nutrizione Clinica, A.O.U. Città della Salute e della Scienza di Torino: partecipa con la competenza specialistica in nutrizione clinica oncologica, supportando la definizione degli obiettivi nutrizionali, la validazione del tool ESPEN e la progettazione del modulo NutriBoard per la composizione dei piani alimentari.
Università degli Studi di Torino, HighESt Lab: è leader di progetto e coordina la ricerca scientifica alla base della piattaforma. Guida la progettazione del sistema, l'integrazione delle linee guida cliniche e lo sviluppo del modello di supporto decisionale basato su AI.
Human Technology eXcellence (HTX SRL), Trieste: partecipa con lo sviluppo tecnologico della piattaforma, curando l'architettura del sistema, l'implementazione degli strumenti digitali e la realizzazione delle dashboard medica e paziente.

keywords: nutrizione oncologica, digital health, human-in-the-loop, pianificazione nutrizionale, supervisione clinica

Il progetto

TAIste of Work è un progetto formativo della durata di 18 mesi che unisce l’eccellenza dell'enogastronomia del Made in Italy e l'innovazione nell'Intelligenza Artificiale Generativa. Nato all'interno di HighESt Lab dell'Università degli Studi di Torino, l'iniziativa è realizzata in collaborazione con Fondazione Piemonte Innova e Fondazione Piazza dei Mestieri, ed è finanziata dal Fondo per la Repubblica Digitale nell'ambito del bando vIvA.

Il progetto offre a 160 giovani NEET e persone con background migratorio residenti in Piemonte e Lombardia un percorso di formazione intensivo in modalità ibrida, con tappe a Torino e Milano. Il programma combina il corso "Elements of AI for Business" (la piattaforma governativa per l'alfabetizzazione digitale sull'intelligenza artificiale) con un modulo specialistico di 24 ore incentrato sull'IA applicata al settore Ho.Re.Ca. Per tutta la durata del percorso, i partecipanti sono affiancati da tutor dedicati.

L'obiettivo

Il progetto mira a migliorare le competenze di partecipanti sull’AI generativa applicata al settore enogastronomico, per dare nuove opportunità di inclusione e crescita professionale a soggetti fragili e esclusi dal mondo del lavoro. Attraverso un percorso mirato i partecipanti imparano a usare l'IA generativa per creare ricette personalizzate, ottimizzare la gestione del ristorante, ridurre gli sprechi e sviluppare modelli di business food-tech. Accanto alle competenze tecniche, il percorso investe sul pensiero critico, sulla consapevolezza etica dell’uso dell’AI e sulle soft skill necessarie per accedere al mondo del lavoro o avviare un'impresa. Una formazione concreta, inclusiva e orientata al futuro, capace di tradurre la rivoluzione dell’AI in opportunità reali di inserimento lavorativo o autoimprenditorialità.

“TAIste of Work” (Codice progetto: 2025–VIV–00194) è un progetto:

Implementato da: Università degli Studi di Torino, in collaborazione con Fondazione Piazza dei Mestieri ETS "Marco Andreoni" e Fondazione Piemonte Innova.
Sostenuto da: Bando vIvA.
Con il supporto di: Google.org e Fondo per la Repubblica Digitale.

Chi ha partecipato

Il progetto si sviluppa grazie alla cooperazione e alle competenze complementari dei tre partner di consorzio:

Università degli Studi di Torino, HighESt Lab: è leader di progetto, offrendo la propria guida scientifica e coordinando l'offerta didattica e l'architettura educativa dell'intero percorso formativo.
Fondazione Piazza dei Mestieri ETS "Marco Andreoni": partecipa curando la formazione pratica e l'inclusione sociale dei beneficiari nelle sedi di Torino e Milano. Gestisce i moduli formativi applicati al comparto ristorazione e guida i partecipanti lungo l'intero percorso di orientamento e accompagnamento al lavoro.
Fondazione Piemonte Innova: partecipa connettendo l'iniziativa al tessuto industriale ed economico. Cura la rete di relazioni strategiche del progetto, supportando il networking e agevolando l'integrazione dei partecipanti formati all'interno delle imprese tecnologiche e del territorio.

keywords: Intelligenza artificiale generativa, enogastronomia, Made in Italy, Ho.Re.Ca., NEET, inclusione professionale, food-tech, HighESt Lab, Bando vIvA.

The silent dimensions of food addiction: A multidimensional addictive framework beyond nutrients

Il progetto

Il progetto riguarda lo sviluppo di un modello multidimensionale per studiare la food addiction, superando l’idea che il potenziale “addictive-like” degli alimenti dipenda solo da singoli nutrienti come zuccheri, grassi o sodio.
Il risultato della ricerca è un framework innovativo che dimostra come l'alimentazione compulsiva sia innescata dall’interazione tra tre dimensioni :

Composizionale: riguarda il profilo chimico-nutrizionale dell’alimento (macronutrienti, zuccheri aggiunti, carboidrati raffinati, grassi, sodio, additivi e combinazioni iper-palatabili).
Farmacocinetica: riguarda la modalità e la rapidità con cui i componenti dell’alimento vengono resi disponibili all’organismo.
Fisica e strutturale: consente di valutare quanto la struttura del prodotto favorisca consumo rapido, gratificazione sensoriale e riduzione dei segnali di sazietà.

L'obiettivo

L'obiettivo è costruire una cornice teorica che permetta di identificare e organizzare le proprietà oggettive degli alimenti potenzialmente coinvolte in craving, consumo rapido, perdita di controllo e comportamenti alimentari addiction-like. In questo senso, il progetto promuove un cambio di paradigma, spostando l’attenzione dalla responsabilità del singolo consumatore all’analisi oggettiva di come i cibi vengono progettati e ingegnerizzati.
Propone quindi di superare una lettura della food addiction centrata esclusivamente sui nutrienti o sul comportamento individuale, considerando gli alimenti come sistemi complessi, nei quali composizione, caratteristiche farmacocinetiche e strutturali interagiscono nel modulare il potenziale rinforzante del cibo.

Questo modello può poi diventare la base per sviluppare strumenti più empirici, come database alimentari multidimensionali, sistemi di classificazione più raffinati e, in prospettiva, indici capaci di stimare il potenziale addictive-like degli alimenti. Inoltre, tale framework può offrire un supporto rilevante anche per la food policy, contribuendo a orientare strategie di classificazione, etichettatura, riformulazione dei prodotti, regolazione del marketing alimentare e interventi di prevenzione in salute pubblica.

Chi ha partecipato

Università degli Studi di Torino, HighESt Lab: coordina la metodologia della ricerca: usa l'Intelligenza Artificiale per analizzare i dati e organizza le informazioni ponendo le basi per i futuri modelli predittivi.
DISAFA (Department of Agricultural, Forest and Food Sciences dell’Università di Torino): si occupa dell'analisi tecnica degli alimenti, studiando come le lavorazioni industriali alterino la chimica, la struttura fisica e la percezione sensoriale delle matrici alimentari.
Human Technology eXcellence (HTX SRL), Trieste: porta le proprie competenze specialistiche nell'intersezione tra innovazione tecnologica, comportamento umano e impatto sulla salute pubblica.

keywords: consumer behaviour, food consumption behavior, food addiction, food profiling

ARCHIVIO PROGETTI

Questa sezione raccoglie i progetti conclusi condotti da HighESt Lab e dai suoi partner. Ogni iniziativa rappresenta un traguardo raggiunto nel campo della ricerca, dello sviluppo tecnologico e dell'innovazione scientifica, documentando i risultati generati dalle collaborazioni sinergiche nel tempo.

Le attività svolte sono state organizzate in quattro macrotematiche principali: Educazione & Informazione, Organizzazioni & Ecosistemi, Patrimonio Culturale e Food. L'archivio costituisce così la memoria storica delle linee di ricerca completate e rappresenta il patrimonio di competenze e soluzioni consolidate su cui si fondano le iniziative future.

Educazione & Informazione

Clinical Trial in Education

Il progetto Clinical Trial in Education esplora nuove metodologie didattiche basate sull’intelligenza artificiale per migliorare l’efficacia dell’apprendimento e stimolare il senso critico degli studenti. Sviluppata in collaborazione con la D'Amore-McKim School of Business della Northeastern University, l'iniziativa intende definire nuovi modelli di formazione universitaria. In questo contesto, l'IA non è solo oggetto di studio, ma viene utilizzata come leva strategica per accelerare i processi di apprendimento, amplificare l’impatto della formazione e trasferire conoscenze in modo rapido, personalizzato ed efficace.

L’impatto delle diverse modalità formative viene misurato scientificamente attraverso questionari somministrati agli studenti prima e dopo l’esperienza, al fine di valutare le variazioni nelle competenze, nella capacità di analisi e nella qualità dell'apprendimento.

I percorsi formativi sperimentali prevedono:

L’utilizzo dell’intelligenza artificiale come unico strumento di supporto alla didattica.
L’integrazione sinergica tra l'uso dell'IA e il ruolo attivo del docente.
L’adozione di modalità di apprendimento sia individuali sia collaborative, atte a favorire il lavoro in team.

L'obiettivo finale è contribuire allo sviluppo di modelli educativi evidence-based capaci di coniugare tecnologia, qualità della formazione e centralità dello studente, consolidando il ruolo dell’università come motore di innovazione e impatto sociale.

Durata: 24 mesi
Stato: In corso

Keywords: Educazione, Team work, Processi di apprendimento

AI per studenti internazionali

Il progetto è finalizzato allo sviluppo di una soluzione innovativa basata sull'intelligenza artificiale per semplificare e ottimizzare il processo di ingresso e integrazione degli studenti provenienti da paesi non appartenenti all'Unione Europea all'interno del sistema universitario italiano. L'iniziativa risponde alla necessità di superare le significative barriere linguistiche, burocratiche e culturali che questi studenti affrontano nel loro percorso di inserimento accademico, fattori che possono influire negativamente sull'esperienza formativa complessiva e sul potenziale di internazionalizzazione degli atenei.

Attraverso l'applicazione delle tecnologie digitali, il progetto mira a facilitare la transizione e l'inclusione degli studenti, migliorando l'accessibilità dei servizi e supportando le università nella gestione dei flussi internazionali.

Partner: Fondazione Compagnia di San Paolo
Tecnologia: OCI (Oracle Cloud Infrastructure)
Durata: 18 mesi
Stato: Concluso

Keywords: Educazione, internazionalizzazione

Virtual Tutor

Il progetto è focalizzato sullo sviluppo di uno strumento progettato per assistere gli studenti nella preparazione degli esami e nell'approfondimento del materiale didattico. Attraverso l'uso di tecniche avanzate di Intelligenza Artificiale, il sistema offre contenuti personalizzati, guida in tempo reale e supporto all'apprendimento adattivo, consentendo di esplorare il programma del corso secondo i ritmi individuali di ciascuno studente.

La tecnologia sviluppata è in grado di sintetizzare concetti distribuiti su molteplici fonti documentali e di supportare l'approfondimento di tematiche specifiche, agendo come un tutor esperto. Questo approccio è orientato a favorire una migliore comprensione delle materie di studio e a incrementare le performance accademiche complessive.

Partner: TIM - Centre of Excellence
Tecnologia: Google Cloud Platform
Durata: 24 mesi
Stato: Concluso

Keywords: Tutor virtuale, e-learning, supporto agli studenti

Organizzazioni & Ecosistemi

Experimenting AI

Startup italiane, Intelligenza Artificiale e trasformazione dei modelli di business e organizzativi.

L’obiettivo del progetto è analizzare in modo sistematico l’adozione e l’utilizzo dell’intelligenza artificiale nelle startup, attraverso l’impiego di uno strumento di analisi innovativo: l’AI Adoption Index.

L’AI Adoption Index è un framework progettato per valutare il livello di adozione dell’AI specificamente nel contesto delle startup, lungo cinque dimensioni chiave del modello di business: strategia e governance, infrastrutture e dati, competenze e cultura, processi operativi e integrazione dell’AI nella proposta di valore.

Il progetto prende avvio dall’analisi delle startup con l’obiettivo di identificare in modo oggettivo le startup AI-native, superando definizioni generiche o auto-dichiarative. A partire da questa classificazione, il progetto intende verificare se l’essere una startup AI-native sia associato a un maggiore impatto organizzativo, competitivo e settoriale.

Un ulteriore obiettivo è comprendere se, all’interno di organizzazioni particolarmente agili e orientate all’innovazione come le startup, emergano nuovi modelli organizzativi, nuove modalità di gestione del lavoro e nuove traiettorie di sviluppo delle competenze, potenzialmente trasferibili e rilevanti anche per le grandi imprese.

Partner: Accenture
Durata: 12 mesi
Stato: Concluso

Keywords: startups, AI, modelli business

Patrimonio Culturale

AI4Re-Story

Il progetto ha l’obiettivo di sviluppare un toolkit per valorizzare la comunicazione del processo e delle attività di restauro grazie alle potenzialità della GenAI. Il toolkit sarà pensato per restauratori, curatori, storici dell'arte e validato da esperti, attraverso la collaborazione con il Centro per la Conservazione ed il Restauro dei Beni Culturali “La Venaria Reale” (CCR) e alla partecipazione di diverse figure professionali degli ambiti coinvolti; caratterizzato dalla possibilità di inserire come input la documentazione specifica riguardante il restauro effettuato, sfruttando un modulo RAG per personalizzare ed ottimizzare il risultato; possibilità di specificare il target verso il quale sarà rivolta la comunicazione; capacità di creare uno storytelling specifico sulle attività di restauro, combinando testo e immagini generate sulla base dell’ente e del target di pubblico fruitore.

Partner: CCR Venaria Reale - MIT Technology Review - Fondazione CRT
Tecnologia: Open source LLM
Durata: 12 mesi
Stato: Concluso

Keywords: comunicazione museale, restauro, LLM, GenAI.

Didascalie e pannelli museali potenziate dall'AI

Utilizzare gli LLM per migliorare l'accessibilità e la personalizzazione nella comunicazione museale on site: pannelli, didascalie e altri contenuti interattivi potenziati dall'AI. Come primo caso di sperimentazione sono stati attenzionati gli apparati didascalici del Museo Nazionale del Risorgimento Italiano. Sono state prodotte delle didascalie in base alle esigenze di accessibilità e interesse dei visitatori. Inoltre è in corso lo sviluppo di una guida virtuale per offrire una nuova modalità di coinvolgimento.

Partner: Museo Nazionale del Risorgimento Italiano
Tecnologia: LLM Open Source
Durata: 36 mesi
Stato: Concluso

Keywords: genAI, storytelling, accessibilità museale.

Solomei AI per il restauro

Solomei Ai è la divisione AI nata dal team Brunello Cucinelli S.p.A. L'avvio di un progetto di dottorato industriale sta permettendo lo sviluppo di tool di AI per il restauro digitale, con l'ambizione di facilitare si più livelli e in diverse fasi del processo, integrando anche modelli previsionali per la gestione del deterioramento di opere a causa del cambiamento climatico.

Partner: Brunello Cucinelli Solomei AI
Tecnologia: Open source Python libraries
Durata: 36 mesi
Stato: Concluso

Keywords: Restauro, previsional models, catalogazione.

AI Musei

Il progetto punta a sviluppare un toolkit AI-driven per supportare i musei nell’integrazione sostenibile dell’intelligenza artificiale, favorendo l'adozione di strumenti esistenti per innovare i processi di comunicazione e valorizzazione culturale. L'obiettivo è favorire l’interoperabilità dei contenuti digitali attraverso un approccio scalabile e accessibile. Il progetto è sviluppato in collaborazione con Synesthesia, azienda torinese specializzata in innovazione digitale e tecnologie immersive.

Partner: Synesthesia
Tecnologia: LLM Open Source
Durata: 36 mesi
Stato: Concluso

Keywords: GenAI, Interoperabilità, Innovazione e musei

Diversificazione di didascalie museali

Questa ricerca ambisce a sviluppare un modello interattivo basato sull'intelligenza artificiale per testi ed etichette di esposizioni museali; progettato per migliorare l'accessibilità, il coinvolgimento e l'apprendimento informale. Il modello proposto sfrutta tecniche tra cui Machine Learning (ML), per prestazioni ottimizzate e adattamento dinamico in base alle interazioni dei visitatori.

Partner: Brunello Cucinelli Solomei AI
Tecnologia: Open source Python libraries
Durata: 36 mesi
Stato: Concluso

Keywords: Machine Learning, NLP, didascalie

DIGIMPACT

Sotto commissione dell'Istituto Nazionale di Digitalizzazione del Patrimonio Culturale - Digital Library, un progetto di ricerca per la valutazione dell'impatto economico della digitalizzazione del patrimonio. Il progetto si è basato su fonti dati ISTAT, come l'indagine musei e istituzioni similari per lo studio degli istituti culturali; ha poi studiato l'ecosistema di fornitori ed analizzato la policy; realizzato una dashboard interattiva per la visualizzazione dei dati economici generati.

Partner: istituto nazionale per la Digitalizzazione del patrimonio culturale - Digital Library
Tecnologia: pacchetti R
Durata: 24 mesi
Stato: Concluso

Keywords: Dashboard, istituzioni culturali, valutazione d'impatto, Policy

Page updated

Report abuse