Progetto H.O.P.E.:  Ricerca e Innovazione al servizio della Customer Experience – 23/06/2026

Si è tenuto presso la sede operativa di TP Italia a Taranto il SAL intermedio del progetto H.O.P.E. (High Optimization Patterns for operations Excellence), durante il quale sono stati illustrati i risultati conseguiti nei primi mesi di attività. L’evento ha visto la partecipazione di stakeholder aziendali, partner scientifici e rappresentanti delle istituzioni. Nel corso della tavola rotonda iniziale, l’Amministratore Delegato di TP Italia Diego Pisa, il Professor Eugenio Di Sciascio della Regione Puglia e l’Innovation Manager Vincenzo Giliberti hanno sottolineato il ruolo strategico della ricerca industriale per la competitività del sistema produttivo e l’importanza di rafforzare il dialogo tra imprese e università. La parte centrale dell’incontro è stata dedicata alla presentazione dei risultati tecnici e scientifici raggiunti per ciascun obiettivo realizzativo del progetto. Per quanto riguarda l’architettura della piattaforma, è stata definita la governance complessiva del sistema, con l’adozione di un’architettura a microservizi che garantisce integrazione, scalabilità e tracciabilità in tempo reale. Sono state stabilite le regole per orchestrare processi intelligenti, condividere dati e conoscenza, e mantenere il controllo umano nei punti critici delle decisioni automatizzate. Sul modulo di Robotic Process Automation, il team di lavoro ha sviluppato un’architettura cognitivo-agentica che supera i limiti dell’automazione tradizionale, consentendo di elaborare input non strutturati come documenti scansionati, email in linguaggio naturale e scambi vocali. Sono stati consegnati tre deliverable fondamentali: le specifiche del modello del dato, la definizione dell’algoritmo di intelligenza artificiale e le linee guida progettuali per lo sviluppo sperimentale. Per il modulo di Churn Prediction e Customer Retention, il team ha implementato e confrontato sette modelli appartenenti a quattro famiglie diverse, arrivando a identificare una policy ottimale per le campagne di retention che seleziona i clienti in base a tre caratteristiche: tipo di servizio, anzianità e metodo di pagamento. I risultati sono già stati pubblicati su una rivista scientifica internazionale e saranno presentati alla conferenza Enbis 2026 a Firenze. La pipeline di churn prediction è stata completata con un modello LSTM sui dati del settore telecomunicazioni e la fase di validazione è attualmente in corso su dati operativi.
Per quanto concerne il modulo Metaverso e Realtà Virtuale, sono state definite le specifiche progettuali per la creazione di ambienti immersivi destinati alla formazione del personale, con spazi virtuali condivisi in cui trainer e partecipanti interagiscono attraverso avatar personalizzati. Sono stati sviluppati scenari di training on demand e generazione di contenuti immersivi basati su dati reali, con esercitazioni personalizzate. L’ambiente consente al trainer di configurare sessioni formative selezionando scenari, documenti e oggetti tridimensionali, mentre i discenti interagiscono in tempo reale con i contenuti e ricevono feedback durante la sessione.
Per quanto riguarda l’integrazione dei moduli nella piattaforma unificata, è stata definita l’architettura che consente ai diversi componenti di cooperare senza creare dipendenze rigide, attraverso un sistema di code di messaggi che garantisce scambi resilienti e scalabili. Sono stati stabiliti i criteri di governance e human-in-the-loop per presidiare i punti decisionali critici, assicurando che l’intelligenza artificiale suggerisca ma l’umano governi le scelte ad alto impatto.
In ultimo le attività di disseminazione hanno già prodotto risultati significativi con la pubblicazione del paper “Stability-Aware Uplift Policy Selection for Customer Retention: From Predictive Scores to Actionable Segments” e la presentazione del progetto in numerosi eventi nazionali e internazionali, tra cui SMAU Italy RestartsUp a Parigi.
Il SAL intermedio ha quindi confermato un avanzamento sostanziale su tutti gli obiettivi realizzativi, con risultati tecnici e scientifici di rilievo che spaziano dall’architettura di piattaforma all’integrazione di algoritmi di intelligenza artificiale, dalla creazione di ambienti immersivi allo sviluppo di modelli predittivi e prescrittivi per la customer retention. La collaborazione con le università di Trento e del Salento e con lo spin-off Advantech ha garantito un approccio metodologicamente solido e un efficace trasferimento di conoscenze, ponendo le basi per la realizzazione della piattaforma unificata che migliorerà l’efficienza e la qualità dei servizi offerti da TP Italia.