Maver Task — Dashboard AI multimodale

Cliente: Paioli Sport S.r.l.. Risultato: −97% Tempo medio per report.

Il contesto

PaioliSport S.r.l. è la realtà storica dietro il brand Maver — pesca sportiva, 100+ anni di heritage, sede a Bologna, linee proprietarie come Reactor Baits, Katana, Jurassic e Onda. Una distribuzione doppia (B2C su maver.net + rete B2B di Agenti, Distributori e store Maver Point) che genera ordini, movimenti di magazzino e flussi commerciali confluiti in un gestionale da 1500 tabelle. Tutta l'operatività vive lì, ma per chi non è dell'IT è una scatola nera: ogni report è un'esportazione manuale, ogni domanda è un ticket di tre giorni. Maver Task è il livello di intelligenza che abbiamo costruito sopra a quei dati.

La sfida

Centinaia di SKU divisi tra decine di categorie (canne, mulinelli, ami, esche, abbigliamento, additivi) e due canali di vendita molto diversi — ecommerce diretto e rete distributori — significano dati frammentati e stagionalità marcata. Il team commerciale e di magazzino dipendeva dall'IT per ogni estrazione: 3-6 ore per costruire un Excel a mano, nessun modo di chiedere «quanto vende la linea Reactor in Lombardia questo trimestre?» senza scrivere SQL sulle 1500 tabelle. Conseguenza: decisioni lente, KPI sempre indietro di settimane, IT sovraccarico di richieste ripetitive.

La soluzione

Maver Task è una dashboard AI multimodale che si collega al gestionale Paioli Sport, fa un sync notturno automatico alle 3:00 e rende tutti i dati interrogabili in linguaggio naturale tramite una chat in stile ChatGPT/Gemini/Claude. Affiancate alla chat ci sono dashboard dedicate — commerciale (B2C + B2B) e magazzino — sempre aggiornate, con export Excel e cruscotti Power BI in un clic, accessibili a qualunque dipendente senza passare dall'IT.

Come è fatto

Un ETL custom legge ogni notte il gestionale alle 3:00 e proietta le 1500 tabelle su un database analitico ottimizzato per query in tempo reale. Sopra questo DB gira un server MCP (Model Context Protocol) che espone le entità — prodotti, ordini, distributori, magazzino, anagrafiche — in modo tipizzato e sicuro agli LLM, così la chat AI può ragionare sui dati reali senza prompt injection né allucinazioni. Un router multi-modello sceglie GPT-5.5, Claude o Gemini in base al tipo di domanda (numerico, narrativo, comparativo), e le dashboard commerciale/magazzino sono SPA React che leggono dallo stesso DB via API tipizzate, con export diretto verso Excel e Power BI.

I numeri

Prima e dopo

Prima di Maver Task

Con Maver Task

Il confronto, voce per voce

Come ci siamo arrivati

Mese 1 — Discovery & Mapping Gestionale

Analisi delle 1500 tabelle del gestionale Paioli Sport e mappatura delle entità commerciali, di magazzino, ordini e rete distributori.

Mese 2 — Custom DB + Sync Notturno

Schema analitico dedicato + pipeline ETL che gira ogni notte alle 3:00, con dati pronti per le 7:00 AM.

Mese 3 — MCP Server

Server Model Context Protocol che espone le 1500 tabelle agli LLM in modo tipizzato, sicuro e con permission granulari per ruolo.

Mese 4 — Chat AI Multi-modello

Router intelligente tra GPT-5.5, Claude e Gemini per scegliere il modello migliore per ciascuna domanda.

Mese 5 — Dashboard & Power BI

Dashboard dedicate commerciale (B2C ecommerce + B2B distributori) e magazzino + export Excel e cruscotti Power BI in un clic.

Cosa dice il cliente

Maver Task ha portato l'intelligenza sopra al nostro gestionale: oggi chiunque in azienda chiede un dato in italiano e lo ha in 5 secondi, non più in 3 giorni. È stato un salto generazionale per come lavoriamo.

Massimo Pirazzini, CEO

Altri progetti

Prenota una call conoscitiva gratuita · Scrivici