Savia.

Tecnicamente è la cosa più completa che abbia costruito: una piattaforma multi-tenant con FastAPI e Next.js dove l'isolamento dei dati è doppio, policy RLS in PostgreSQL più una collezione vettoriale Qdrant per azienda, con un secondo livello di permessi per reparto. La pipeline RAG ingerisce documenti e video (trascritti automaticamente; ogni citazione salta al secondo esatto), li spezza, li trasforma in embedding e recupera con una soglia di confidenza: quando la conoscenza non basta per rispondere, Savia lo dice invece di inventare. In sviluppo tutto gira su modelli locali sulla mia GPU e in produzione sull'API di Claude, registrando il costo di ogni chiamata per azienda.

Ci sono due pezzi di cui sono particolarmente orgoglioso. Il primo, le schede dei dipendenti: i dati delle persone (documenti d'identità, stipendi, assenze) vivono fuori dal retrieval dell'IA, così non possono mai trapelare per una casualità della ricerca vettoriale; la chat li consulta tramite tool il cui permesso viene verificato sul server a ogni chiamata, fino al livello in cui un campo sensibile è visibile solo a persone specifiche autorizzate. Il secondo, il loop di auto-miglioramento: quando qualcuno chiede qualcosa che la base non sa, Savia registra la lacuna, raggruppa le domande simili e genera un modulo per l'esperto giusto; dopo la revisione, la risposta viene indicizzata e il ciclo si chiude avvisando chi aveva chiesto. In più, ciò che il team risolve in chat viene catturato automaticamente come conoscenza riutilizzabile, e un pannello interno gestisce il lato business: approvazione delle aziende, supporto tracciato e misurazione di uso, costi e fatturazione per postazione con Stripe.

Savia è ancora in sviluppo attivo ed è il progetto in cui ho imparato di più su architettura, sicurezza e prodotto. La landing pubblica è già in produzione su saviaia.es, con un modello di vendita consulenziale pensato per le PMI: prima capire il problema del cliente, poi implementare lo strumento.