Introduzione

L’intelligenza artificiale viene spesso raccontata come un semplice chatbot o come uno strumento per scrivere testi.

Nella pratica, il vero valore emerge quando diventa parte integrante di un processo aziendale.

Morning Tech & AI nasce proprio da questa idea: dimostrare come sia possibile progettare un workflow completamente automatizzato in cui l’AI non svolge un singolo compito, ma collabora all’interno di una pipeline composta da più servizi cloud, logiche di business e automazioni.

L’obiettivo non era costruire una newsletter.

L’obiettivo era progettare una redazione digitale completamente automatizzata.

Una piattaforma capace di raccogliere informazioni, valutarle, produrre contenuti, pubblicarli e distribuirli senza alcun intervento umano.

Ogni mattina, il sistema si avvia automaticamente, produce l’edizione del giorno e termina la propria esecuzione.

---

Il problema

Ogni giorno vengono pubblicate migliaia di notizie legate a:

• Intelligenza Artificiale
• Cloud Computing
• Cyber Security
• Open Source
• Sviluppo Software
• DevOps
• Startup
• Big Tech

Seguire tutte queste fonti richiede tempo.

Ancora più complesso è distinguere le notizie realmente rilevanti dal rumore.

Per questo motivo abbiamo deciso di automatizzare l’intero processo editoriale.

Non volevamo semplicemente riassumere articoli.

Volevamo costruire un sistema capace di comportarsi come una piccola redazione.

---

Gli obiettivi

Il progetto doveva essere in grado di:

• consultare decine di fonti differenti;
• evitare notizie duplicate;
• scegliere automaticamente le più interessanti;
• produrre contenuti bilingue;
• mantenere sempre la fonte originale;
• creare immagini per i social;
• pubblicare gli articoli;
• inviare la newsletter agli iscritti;
• funzionare senza operatori.

Il tutto ogni mattina, in modo completamente autonomo.

---

L’architettura

L’intera soluzione è costruita nel cloud utilizzando servizi AWS completamente gestiti.

Amazon EventBridge Scheduler

Alle ore 06:00 viene pianificata automaticamente l’esecuzione della pipeline.

Non esistono cron installati su server dedicati.

L’infrastruttura viene attivata esclusivamente quando serve.

---

Amazon ECS Fargate

La pipeline viene eseguita all’interno di container Docker.

Ogni task viene avviata automaticamente, completa il proprio lavoro e viene terminata.

Questo approccio permette di pagare esclusivamente il tempo di elaborazione realmente utilizzato.

---

Amazon ECR

Le immagini Docker vengono versionate e distribuite tramite Elastic Container Registry.

Ogni nuova release può essere pubblicata senza modificare l’infrastruttura.

---

AWS Secrets Manager

Tutte le configurazioni sensibili vengono archiviate in modo centralizzato.

Tra queste:

• API Key AI
• credenziali SMTP
• connessioni database
• configurazioni applicative

Nessun dato sensibile è presente nel codice.

---

Amazon S3

Le immagini generate automaticamente vengono archiviate su S3.

Successivamente vengono utilizzate per:

• newsletter
• sito
• social network

---

Amazon RDS

Il database memorizza:

• articoli
• traduzioni
• categorie
• iscritti
• cronologia delle elaborazioni
• statistiche

---

CloudWatch

Ogni esecuzione viene monitorata tramite log centralizzati.

Eventuali errori risultano immediatamente individuabili.

---

GitHub Actions

Al termine della pipeline viene eseguito automaticamente il deploy del sito statico.

Non è necessario alcun intervento manuale.

---

Il workflow

06:00 — Raccolta

La pipeline consulta decine di feed RSS accuratamente selezionati.

Ogni articolo viene normalizzato e confrontato con quelli già raccolti.

Vengono eliminate automaticamente le notizie duplicate tramite confronto di URL e similarità dei titoli.

---

06:10 — AI Editor

A questo punto entra in gioco Grok.

Il modello analizza tutte le notizie raccolte.

Successivamente sceglie le tre più rilevanti rispettando alcuni vincoli:

• argomenti differenti;
• interesse tecnologico;
• presenza di immagini;
• qualità della fonte.

Il comportamento è molto simile a quello di un caporedattore.

---

06:20 — AI Writer

Una seconda fase AI produce:

• titolo
• articolo
• traduzione italiana
• traduzione inglese
• slug SEO
• meta description

Ogni prompt è progettato per evitare allucinazioni.

Le informazioni vengono rielaborate mantenendo sempre la fonte originale.

---

06:35 — Generazione social

Il sistema produce automaticamente:

• cover verticali
• immagini brandizzate
• caption
• hashtag
• contenuti localizzati

Le immagini vengono archiviate su Amazon S3.

---

06:50 — Pubblicazione

Terminata la produzione dei contenuti viene avviata automaticamente la pubblicazione.

GitHub Actions ricostruisce il sito statico.

La cache viene invalidata.

L’edizione del giorno è online.

---

07:30 — Newsletter

L’ultima fase riguarda la distribuzione.

Ogni utente riceve automaticamente la newsletter nella lingua scelta durante l’iscrizione.

L’intero workflow termina senza alcun intervento umano.

---

Il risultato

Quella che ogni mattina arriva nella casella di posta è una newsletter.

Dietro quella newsletter, però, lavorano decine di componenti software che collaborano tra loro.

L’AI non è un pulsante.

È uno degli elementi che compongono un workflow molto più ampio.

La vera innovazione non è il modello linguistico.

È l’orchestrazione dell’intero processo.

---

Oltre la newsletter: dove può essere applicato lo stesso approccio?

Morning Tech & AI rappresenta soltanto un caso di studio.

Lo stesso modello architetturale può essere applicato a moltissimi processi aziendali.

Ad esempio:

• produzione automatica di report direzionali;
• monitoraggio della concorrenza;
• analisi dei prezzi di mercato;
• raccolta di bandi pubblici;
• monitoraggio normativo;
• rassegne stampa personalizzate;
• generazione di documentazione tecnica;
• classificazione automatica di ticket;
• assistenza clienti;
• gestione documentale;
• controllo qualità;
• analisi IoT;
• elaborazione di dati industriali;
• reportistica finanziaria;
• automazione di processi HR;
• controllo contratti;
• generazione di offerte commerciali;
• analisi di log applicativi;
• gestione della conoscenza aziendale.

In tutti questi casi il principio è lo stesso.

L’intelligenza artificiale non sostituisce il software.

Lo completa.

Ogni agente AI svolge un compito ben preciso all’interno di una pipeline progettata secondo regole, controlli e obiettivi definiti.

L’AI diventa quindi un componente dell’architettura software, non un elemento isolato.

---

Il nostro approccio

In SHELLONBACK progettiamo soluzioni in cui Cloud, AI e sviluppo software lavorano insieme.

Non realizziamo semplici integrazioni con modelli linguistici.

Progettiamo workflow intelligenti, piattaforme cloud e sistemi di automazione che riducono attività ripetitive, migliorano la qualità dei processi e permettono alle aziende di concentrare il proprio tempo sulle decisioni, non sulle operazioni manuali.

Morning Tech & AI è uno dei tanti esempi di come immaginiamo il software dei prossimi anni: meno attività ripetitive, più orchestrazione, più automazione e un utilizzo concreto dell’intelligenza artificiale all’interno dei processi aziendali.