Ricerca federata su quattro canali, knowledge graph curato dall'esperto, ragionamento deterministico e inferenza a regole in un'unica piattaforma progettata per chi lavora davvero con i documenti.
SELECT margine FROM kpi WHERE trimestre IN ('Q1','Q3')
Ogni domanda attiva in parallelo quattro strategie di recupero complementari. La fusione pesata produce risultati che nessun singolo canale potrebbe offrire.
Corrispondenza esatta di termini e sigle. Ideale per codici prodotto, nomi propri e riferimenti normativi.
Embedding semantico multi-lingua. Trova concetti correlati anche quando le parole non coincidono.
Traversamento del grafo delle relazioni tra entità. Raggiunge informazioni che la ricerca testuale non vede.
Traduce la domanda in query strutturate su tabelle e KPI estratti dai documenti. Numeri precisi, sempre.
Il motore ReAct di Clavis scompone domande complesse in passi tracciabili. Ogni calcolo numerico è eseguito da codice deterministico, mai generato dall'LLM.
SQL SELECT trimestre, margine_pct FROM kpi_finanziari WHERE anno = 2025Δ = (22.1 - 18.4) / 18.4 × 100 = 20.11%Entità, relazioni e concetti estratti automaticamente dai documenti. L'esperto di dominio li valida, li arricchisce, li connette trasformando testi in struttura interrogabile.
Dall'ingestione multimodale all'output strutturato, ogni componente è progettato per contesti enterprise ad alta complessità documentale.
PDF, immagini, scansioni senza testo. Un modello multimodale (vision) estrae in un solo passaggio testo, tabelle e formule, con numero di pagina e didascalie.
Le espressioni matematiche nei documenti vengono estratte e renderizzate con KaTeX. Leggibili e copiabili, come nell'originale.
Il motore di ragionamento genera specifiche Chart.js che il frontend renderizza in grafici vivi. Nessuna immagine statica.
Flussi, sequenze e architetture generati come diagrammi SVG navigabili direttamente nella risposta.
Interfaccia streaming con contesto persistente. Chiedi, approfondisci, riformula senza ripetere il contesto.
Scrivi regole di dominio in linguaggio leggibile: il motore neuro-simbolico deriva conclusioni tracciabili, con grado di aderenza ed evidenze citate: non è un dimostratore, è inferenza pratica su conoscenza sfumata.
Carica un CSV e basta: il sistema deduce la struttura — entità, attributi, tipi — invece di chiedertela prima. I dati diventano interrogabili accanto ai documenti, e le relazioni fra archivi si dichiarano quando servono.
L'AI propone gli archi in coda all'ingestione; l'esperto valida, corregge o rifiuta. Solo ciò che è stato validato entra nel recupero, e le relazioni in conflitto sono evidenziate anziché nascoste.
Una guida ricercabile, un pannello «?» che spiega la schermata in cui ti trovi, e un assistente a cui chiedere a parole. Risponde ancorato alla documentazione, senza mai leggere i contenuti riservati.
Un modello linguistico è persuasivo ma non è affidabile: se gli chiedi di applicare una soglia, a volte la applica e a volte la racconta. In un contesto dove una conclusione ha conseguenze, «a volte» non basta.
Clavis separa i ruoli invece di confonderli. L'AI fa ciò in cui è brava: interpretare il linguaggio, riconoscere di cosa si sta parlando, proporre candidati. Un motore deterministico fa ciò che l'AI non sa fare: decidere. Soglie, vincoli e guardie non sono mai affidati al modello.
Le regole si scrivono in forma leggibile, non in codice. Il risultato non è un sì o un no da prendere per fede: è una conclusione con il suo grado di aderenza, il percorso che l'ha prodotta e le evidenze citate, controllabili una per una.
Non è un dimostratore di teoremi — la conoscenza reale è sfumata, e pretendere certezze booleane su di essa è il modo migliore per ottenere risposte false. È inferenza pratica su ciò che si sa davvero, con l'onestà di dire quanto lo si sa.
Chi scrive una regola ragiona per concetti del proprio mestiere — «il catalogo dei fornitori» — e non conosce, né deve conoscere, come sono organizzati gli archivi del sistema.
Quando una regola nomina qualcosa che il motore non conosce, invece di fallire in silenzio cerca a cosa corrisponde negli archivi del cliente: prima per nome, poi nelle descrizioni, infine per affinità di significato. Le variabili si legano ai campi per nome, mai per posizione.
E se resta ambiguo, si astiene. Un sistema che indovina è peggiore di uno che dichiara di non sapere: il primo produce conclusioni sbagliate con la stessa faccia di quelle giuste.
Progettata per ambienti regolamentati. Ogni dato resta nel perimetro stabilito, ogni azione è tracciata, ogni tenant è isolato.
Dati, indici, grafi e modelli sono isolati per tenant. Nessuna contaminazione, nessuna possibilità di accesso incrociato.
Conformità GDPR nativa. Ogni ricerca, ogni sessione di ragionamento, ogni modifica al grafo è registrata nella catena di audit.
Deployment on-premise completo: nessun dato lascia la tua infrastruttura. Compatibile con ambienti air-gapped e reti segmentate.
Cloud (Claude, Gemini, OpenAI) o locale (Ollama), configurabile per singola funzione. Ogni invio al cloud passa da un consenso esplicito; i contenuti marcati come riservati non escono mai dal perimetro.
Amministrazione degli utenti per tenant, con un ruolo di sola lettura per chi deve consultare senza poter modificare. Chi governa più clienti opera da un livello separato, distinto dall'amministrazione del singolo tenant.
Ogni conclusione porta con sé le fonti da cui deriva. Il ragionamento resta ispezionabile passo per passo, e ciò che il sistema non sa viene dichiarato invece di essere colmato con una plausibilità.
Tre modelli di deployment per rispondere a requisiti diversi di sovranità, scalabilità e gestione operativa.
Infrastruttura gestita, costi contenuti. Ideale per POC e team che vogliono partire subito.
Istanza isolata nella tua regione cloud. Controllo completo senza gestione operativa.
Nei tuoi data center, sulle tue regole. Per organizzazioni con requisiti stringenti di sovranità.
Pianifica una demo personalizzata con il nostro team. Ti mostreremo Clavis sui tuoi documenti, nel tuo dominio.