Avvio del progetto
Avvio del lavoro sul chatbot, sulla base scientifica e sul backend.
AI e automazioni
Immagine illustrativaRealizzazione del frontend
Sviluppo dell’interfaccia per accedere alle modalità e alle funzioni del sistema.
IL PROGETTO IN DETTAGLIO
Contesto e obiettivo.
Il progetto è iniziato nel giugno 2026 e ha portato alla realizzazione di un chatbot AI specializzato nell’informazione ginecologica. Il lavoro ha richiesto circa due mesi di sviluppo; il frontend è stato realizzato nell’ottobre 2026. Ho seguito sia la parte backend sia l’interfaccia, collegando l’esperienza di conversazione alle fonti, ai database e alle funzioni richieste dal cliente.
Il sistema si rivolge a pubblici differenti attraverso tre modalità: menopausa, pazienti non in menopausa e professionisti. La base informativa viene consultata con una RAG costruita su articoli pertinenti da PubMed ed Europe PMC, due fonti di letteratura biomedica. Il corpus descritto per il progetto comprende centinaia di migliaia di articoli pertinenti, organizzati per essere consultabili dall’agente.
Il chatbot è online, open source e utilizzato quotidianamente da medici e persone comuni. La sua finalità è informativa: aiuta a consultare contenuti e riferimenti, senza sostituire il ginecologo, formulare diagnosi o prescrivere trattamenti. Una funzione aggiuntiva permette di proporre tre specialisti vicini, utilizzando il database fornito dal cliente.
Il problema da risolvere.
La stessa informazione richiede una presentazione diversa a seconda di chi la consulta. Un professionista può avere bisogno di terminologia scientifica e maggiore dettaglio, mentre una paziente deve poter comprendere il contenuto senza una preparazione specialistica. La modalità dedicata alla menopausa aggiunge un contesto specifico di conversazione, che deve riflettersi nella pertinenza e nel modo di organizzare le risposte.
La specializzazione non poteva dipendere soltanto da un prompt generale. Il progetto richiedeva un collegamento fra la domanda e una base di pubblicazioni selezionate per l’ambito ginecologico. Era inoltre necessario rendere visibile il riferimento da cui proveniva l’informazione, così la persona potesse aprire l’articolo e il professionista potesse approfondire la fonte nella propria consultazione.
L’esperienza doveva restare accessibile senza registrazione, insieme alla gestione protetta delle componenti e dei dati del sistema. A questo si aggiungeva una seconda esigenza, diversa dalla ricerca bibliografica: orientare la persona verso specialisti presenti nei dintorni, basandosi su un elenco di ginecologi fornito direttamente dal cliente.
Come ho affrontato il progetto.
Ho sviluppato un backend che mette in relazione la conversazione, la base documentale e i database utilizzati dall’applicazione. La RAG permette di recuperare materiale pertinente alla richiesta e di utilizzarlo nella costruzione della risposta. Il sistema è configurato per accompagnare le risposte con il link all’articolo di riferimento, mantenendo un collegamento consultabile fra l’informazione presentata e la pubblicazione.
Ho organizzato le tre modalità attraverso prompt distinti e stili di risposta dedicati. Il profilo professionale utilizza un linguaggio più tecnico e un maggiore livello di approfondimento; le modalità rivolte alle pazienti privilegiano chiarezza, pertinenza e un tono comprensibile. Il contesto della menopausa viene trattato nella modalità specifica, senza trasformare il chatbot in uno strumento diagnostico.
Ho realizzato anche il frontend della conversazione e la funzione di ricerca degli specialisti. L’interfaccia consente l’accesso senza account; il backend collega la richiesta degli specialisti al database del cliente e restituisce tre ginecologi vicini al contesto geografico considerato. Questa funzione di orientamento rimane distinta dalla consultazione delle pubblicazioni scientifiche.
IL FUNZIONAMENTO
Dai dati al risultato.
Domanda e modalità
La persona sceglie il contesto di conversazione e formula la richiesta informativa.
Ricerca nella letteratura
Il backend consulta il corpus pertinente e utilizza i contenuti recuperati nella costruzione della risposta.
Risposta e riferimenti
La risposta adatta il linguaggio al profilo e include i link delle fonti; la ricerca degli specialisti usa il database del cliente.
Schema descrittivo del flusso di lavoro del progetto.
03 / SVILUPPO
Le fasi del progetto.
6 fasi, dalla preparazione iniziale agli strumenti da consegnare.
01FASE
Definizione dei pubblici e del perimetro informativo
Ho impostato il progetto intorno alle tre modalità richieste. Menopausa e pazienti non in menopausa hanno esigenze di comunicazione differenti dal profilo dedicato ai medici. La separazione permette di dare alla conversazione un contesto esplicito e di scegliere quanto approfondire il contenuto, come presentarlo e quale terminologia utilizzare.
Il perimetro è quello di uno strumento informativo. Per le persone comuni l’obiettivo è aiutare a comprendere informazioni generali e riferimenti; per i professionisti è rendere più accessibile la consultazione della letteratura nel loro lavoro. La formulazione di diagnosi e la prescrizione di trattamenti restano escluse dalle funzioni previste del chatbot.
- Tre pubblici con modalità di conversazione dedicate
- Informazione e consultazione bibliografica, senza diagnosi o prescrizioni
02FASE
Collegamento a PubMed ed Europe PMC
Ho collegato il sistema a PubMed, attraverso le API, e a Europe PMC per costruire la base informativa del progetto. Si tratta di fonti biomedicali ampie: il lavoro si è concentrato sul materiale pertinente alla ginecologia, invece di trattare i due archivi come raccolte dedicate esclusivamente a questa specialità.
La selezione degli articoli alimenta il corpus consultabile dall’agente. Nel progetto questo materiale raggiunge l’ordine di centinaia di migliaia di articoli pertinenti. Il collegamento alla pubblicazione rimane una parte del contenuto utilizzato dal sistema, perché il riferimento deve poter accompagnare la risposta ed essere consultato successivamente dalla persona.
- PubMed tramite API ed Europe PMC come fonti scientifiche
- Selezione di articoli pertinenti all’ambito ginecologico
03FASE
Organizzazione della conoscenza e pipeline RAG
Ho costruito la RAG e l’organizzazione dei dati necessarie a rendere il corpus consultabile dal chatbot. Il backend collega la richiesta ai contenuti disponibili e recupera il materiale utile alla generazione della risposta. I diversi database del sistema sostengono questo percorso, insieme alle altre informazioni utilizzate dall’applicazione.
Il risultato non si limita alla produzione di un testo: la risposta include il riferimento all’articolo da cui viene ricavata l’informazione. Il link permette di proseguire la lettura nella fonte e rende più trasparente il percorso di consultazione. La presenza del riferimento sostiene l’approfondimento, mentre la valutazione delle informazioni nel singolo caso resta affidata al professionista.
- Corpus organizzato per la consultazione tramite RAG
- Risposte accompagnate dai link degli articoli di riferimento
04FASE
Prompt dedicati e linguaggio per le tre modalità
Ho sviluppato tre impostazioni conversazionali, con prompt differenti. La modalità per i medici privilegia il dettaglio scientifico e un lessico coerente con il pubblico professionale. La modalità pazienti presenta le informazioni in una forma più semplice e accessibile; quella dedicata alla menopausa mantiene l’attenzione sul contesto specifico della richiesta.
Adattare il linguaggio significa anche organizzare diversamente il livello di spiegazione. La persona deve poter orientarsi nel contenuto senza essere sommersa da terminologia specialistica, mentre il professionista deve poter arrivare ai riferimenti e ai dettagli utili alla consultazione. Le tre modalità condividono il limite informativo del sistema e il collegamento alla letteratura.
- Prompt distinti per menopausa, pazienti e medici
- Livello di dettaglio e terminologia adattati al pubblico
05FASE
Frontend, conversazioni senza account e protezione dei dati
Ho seguito sia il backend sia il frontend, realizzato nell’ottobre 2026. L’interfaccia porta le modalità e le funzioni del sistema dentro un’esperienza di conversazione accessibile senza creare un account. Le chat sono previste in modalità anonima, secondo l’impostazione richiesta dal cliente.
Il lavoro applicativo comprende anche la protezione dei dati e delle componenti del sistema. La gestione delle informazioni è stata considerata insieme ai database e al backend, come parte dello sviluppo dell’applicazione. L’interfaccia e la componente AI lavorano quindi dentro lo stesso percorso, dalla richiesta della persona alla consultazione delle fonti e alla presentazione del risultato.
- Backend e frontend sviluppati nello stesso progetto
- Accesso senza registrazione e conversazioni in modalità anonima
06FASE
Ricerca degli specialisti e utilizzo quotidiano
Ho integrato la consultazione del database di ginecologi fornito dal cliente. Quando la persona chiede un riferimento nei dintorni, il sistema usa il contesto geografico della richiesta per individuare e proporre tre specialisti vicini presenti in quel database. La vicinanza costituisce il criterio della funzione, senza trasformare il risultato in una graduatoria di qualità medica.
Questa possibilità affianca la parte informativa con un orientamento concreto verso il professionista. Il sistema è online e viene utilizzato quotidianamente sia da professionisti sia da persone comuni. La consegna comprende così una conversazione specializzata, una base di letteratura consultabile, i riferimenti agli articoli e un percorso per trovare gli specialisti presenti nell’elenco del cliente.
- Tre specialisti vicini selezionati dal database del cliente
- Servizio online utilizzato da professionisti e pubblico generale
04 / RISULTATI E CONSEGNA
Il risultato del lavoro.
Il progetto ha prodotto un chatbot ginecologico operativo, con tre modalità di conversazione, un backend collegato alle fonti e ai database e un frontend per l’accesso senza account. Il sistema viene utilizzato quotidianamente da medici e persone comuni, adattando il livello di spiegazione al profilo scelto.
La RAG rende consultabile un corpus di centinaia di migliaia di articoli pertinenti provenienti da PubMed ed Europe PMC. Le risposte sono accompagnate dai riferimenti alle pubblicazioni, così l’informazione può essere approfondita attraverso il collegamento alla fonte. Il database di specialisti del cliente consente inoltre di proporre tre ginecologi vicini alla richiesta.
Il valore della soluzione è nell’unione fra accesso alla letteratura, comunicazione differenziata e strumenti applicativi. Il chatbot mantiene una funzione informativa: non sostituisce la visita o il consulto del ginecologo e non formula diagnosi o prescrizioni. La modalità professionale affianca la consultazione delle fonti, lasciando al medico la valutazione clinica.
- Tre modalità per pubblici con esigenze differenti
- Consultazione della letteratura attraverso una RAG specializzata
- Link agli articoli per approfondire le informazioni
- Accesso alla conversazione senza creazione di un account
- Ricerca degli specialisti nel database fornito dal cliente
- Backend e frontend integrati in un servizio utilizzato quotidianamente
Il sistema ha finalità informative e di consultazione della letteratura. Non formula diagnosi o prescrizioni e non sostituisce il ginecologo.
ALTRI CASI STUDIO
Progetti nello stesso ambito.
AI e automazioni
Immagine illustrativaDecine/giornodocumenti compilati
Documenti per bandi e gare compilati in automatico, ogni giorno
Compilazione automatica di documenti per bandi e gare
AI e automazioni
Immagine illustrativa4criteri di ricerca combinati
Agenti AI che trovano nuovi clienti B2B al posto tuo
Lead generation B2B con agenti AI: ricerca contatti in un’app desktop
IL PROSSIMO PROGETTOParliamo del tuo
Parliamo del tuo progettoParliamo del tuo
progetto.
Descrivimi cosa vuoi ottenere e quali dati hai a disposizione. La prima call di 30 minuti è gratuita.