RICERCA INFO9,3 h / sett. per lavoratore · McKinsey·LAVORO SUL LAVORO60% del tempo · Asana 2024·PMI ITALIANE · IA STRUTTURATA6,9% (10-249 dip.) · Anitec-Assinform 2025·PROGETTI IA · PMI vs GRANDI8% vs 71% · Polimi 2025·AI ACT ART. 50 · IN VIGORE2 ago 2026 · UE 2024/1689·SANZIONE GARANTE · CAREGGI€80.000 · Provv. 474/2025·SANZIONI MASSIME AI ACT€35M o 7% fatturato · art. 99·MERCATO IA ITALIA 2024900 M€ · +38,7% YoY · Anitec·RICERCA INFO9,3 h / sett. per lavoratore · McKinsey·LAVORO SUL LAVORO60% del tempo · Asana 2024·PMI ITALIANE · IA STRUTTURATA6,9% (10-249 dip.) · Anitec-Assinform 2025·PROGETTI IA · PMI vs GRANDI8% vs 71% · Polimi 2025·AI ACT ART. 50 · IN VIGORE2 ago 2026 · UE 2024/1689·SANZIONE GARANTE · CAREGGI€80.000 · Provv. 474/2025·SANZIONI MASSIME AI ACT€35M o 7% fatturato · art. 99·MERCATO IA ITALIA 2024900 M€ · +38,7% YoY · Anitec·RICERCA INFO9,3 h / sett. per lavoratore · McKinsey·LAVORO SUL LAVORO60% del tempo · Asana 2024·PMI ITALIANE · IA STRUTTURATA6,9% (10-249 dip.) · Anitec-Assinform 2025·PROGETTI IA · PMI vs GRANDI8% vs 71% · Polimi 2025·AI ACT ART. 50 · IN VIGORE2 ago 2026 · UE 2024/1689·SANZIONE GARANTE · CAREGGI€80.000 · Provv. 474/2025·SANZIONI MASSIME AI ACT€35M o 7% fatturato · art. 99·MERCATO IA ITALIA 2024900 M€ · +38,7% YoY · Anitec·
LemniaBUSINESS
IT·ENRichiedete un pilot
POLITICA AI · AI ACT ART. 50 · L. 132/2025

Citazione o rifiuto. Registro firmato. Locale al momento della ricerca.

Lemnia rifiuta di rispondere quando la fonte manca. Ogni interrogazione lascia traccia in un registro firmato BLAKE3 esportabile per l'auditor o per il giudice. La citazione obbligatoria è applicata a tutti i pacchetti, sia strict (sollecito, preventivo, perizia) che hedged (dossier cliente).

PRINCIPIO 01

Citazione o rifiuto.

Ogni frase prodotta da Lemnia è ancorata a un documento sorgente. Quando la fonte manca, Lemnia si rifiuta di rispondere con la formula: «Non ho evidenza sufficiente per questa affermazione». Non inventa. L'utente sa che la non-risposta è la risposta corretta.

La pipeline cite-or-refuse esegue 5 passaggi: (1) decomposizione della risposta in claim atomici; (2) substring match contro l'evidence set; (3) verifica entailment mDeBERTa-NLI; (4) controllo di coerenza sul grafo di conoscenza; (5) strip-and-replace per i claim non entailed.

PRINCIPIO 02

Firma ogni interrogazione. Firma ogni risposta.

Ogni interrogazione entra in un registro elaborazioni append-only, sigillato BLAKE3 per voce. Timestamp, id tenant, id operatore, testo della query, percorso di retrieval, citazioni sorgente, testo di output, hash del modello — ogni campo è catturato e firmato.

Il registro è esportabile in PDF, JSON-LD, CSV — tutti firmati. Soddisfa l'obbligo di record-of-processing dell'art. 30 GDPR e lo standard probatorio implicato dal Tribunale di Siracusa 338/2026 (Art. 96 c.p.c. colpa grave).

PRINCIPIO 03

Locale al momento della ricerca. Cloud solo se attivato.

Retrieval e generazione al momento della ricerca girano sull'hardware dell'azienda. Nessun frammento di dato cliente, fornitore, dipendente lascia la LAN. I modelli locali italiani (Qwen3.5-4B Q4_K_XL, mDeBERTa NLI, Qwen3-Embedding-0.6B) gestiscono ogni interrogazione.

Il cloud-burst (modalità Pro) è opt-in. Gira solo per ingestione e generazione lunga. Ogni batch richiede consenso per batch, catturato nel registro firmato. Il worker cloud usa infrastruttura EU-hosted (RunPod EU, Hetzner SEV-SNP pianificato). Nessun trasferimento dati in US.

PRINCIPIO 04

Deterministico per default. Loop agentici mai su modelli locali.

Modalità di esecuzione di default: state machine deterministiche + LLM-come-tool-vincolato. Prevedibile, veloce, auditabile, basso costo in token. Voce in negozio, ricerca standard, i 13 report, le 12 primitive di prodotto, i percorsi UX a bassa latenza — tutti strict deterministici.

I loop agentici LLM tool-use sono ammessi solo quando genuinamente più adatti di una decomposizione deterministica (ricerca multi-step ambigua, query nuove, nessun template applicabile). Vincolo rigido: i loop agentici girano solo su modelli cloud-side (Qwen3.6-35B-A3B-FP8, Velvet-14B). Il Qwen3.5-4B agentico locale è bandito — la precisione locale è insufficiente per loop tool-use, produce comportamento inaffidabile e non assicurabile.

PRINCIPIO 05

I vostri dati non addestrano i nostri modelli.

I dati del cliente non vengono mai usati per addestrare, fine-tunare o valutare i modelli Lemnia. La pipeline del modello è addestrata su corpora italiani pubblici (Wikipedia IT, GovIT, ItaCorpora, sentenze della Corte Costituzionale) e su dati sintetici generati dalla pipeline di training di Lemnia.

Le decisioni di disambiguazione fatte all'interno dell'istanza di un tenant (risposte HITL modal) alimentano dati di training continui — ma solo per quell'istanza di tenant. Nessun flusso dati cross-tenant. Nessun miglioramento del modello attraverso i clienti.

ANCORAGGIO NORMATIVO

Garante Provvedimento 474/2025 + Trib. Siracusa 338/2026.

Due decisioni italiane definiscono la posizione difensiva per l'IA generativa nei contesti operativi: Garante Provv. 474/2025 (caso Careggi, €80.000 di sanzione per uso di IA generativa senza fonti verificate su cartelle cliniche), e Trib. Siracusa 338/2026 (Art. 96 c.p.c. colpa grave per citazione di precedenti giurisprudenziali generati da IA).

Lemnia è costruito intorno all'interpretazione esplicita che, in Italia, l'unica posizione assicurabile è citazione obbligatoria + esecuzione locale al momento della ricerca + registro firmato. Questa Politica AI rende quella posizione contrattuale.

PROGRAMMA FONDATORI · POSTI LIMITATI

Lemnia in funzione sui dati di un'azienda reale.

Una dimostrazione di trenta minuti, calibrata sul settore della vostra azienda. Lemnia compone la scheda di un cliente reale, cita le fonti riga per riga e presenta il registro firmato pronto per il DPO.

Richiedete un pilotScaricate il dossier tecnico