Se ultimamente hai sperimentato con gli assistenti AI, probabilmente hai incontrato lo stesso ostacolo che incontrano molti: vuoi puntare l’AI verso una cartella di PDF, un contratto, un report o alcuni documenti interni, e farle domande — ma non ti senti a tuo agio a caricare quei file su un servizio AI commerciale. Forse sono documenti dei clienti, dati finanziari o qualsiasi altra cosa che appartiene ai tuoi computer e da nessun’altra parte.
La buona notizia è che questo è completamente risolvibile. E in questo post, ti guiderò passo dopo passo su come farlo — usando strumenti gratuiti e open-source che girano interamente sul tuo computer, senza che i dati lascino mai la tua rete.
Questa guida è scritta per sviluppatori curiosi ma non necessariamente esperti, e per imprenditori che vogliono capire cosa sia realmente possibile con l’AI privata e locale. Alla fine, avrai una configurazione funzionante in cui un’AI può leggere qualsiasi documento sul tuo PC — inclusi i PDF scannerizzati — e rispondere a domande su di esso, tutto completamente offline.
Perché l'”AI locale” è così importante per le aziende
Quando incolli un documento in ChatGPT o Claude, quel testo viaggia verso un server da qualche parte, viene elaborato e una risposta torna indietro. Per un uso casuale, va benissimo. Ma per uno studio legale che gestisce comunicazioni con i clienti, un commercialista che gestisce report finanziari, un operatore sanitario che ha a che fare con dati dei pazienti, o qualsiasi azienda con dati interni riservati — è una conversazione molto diversa.
I servizi AI commerciali sono regolati dai propri termini di servizio e dalle proprie politiche di gestione dei dati. Anche quando un fornitore promette di non addestrarsi sui tuoi dati, stai comunque affidando a terze parti informazioni che potrebbero essere soggette a GDPR, clausole di NDA, normative di settore, o semplicemente al buon senso sulla sensibilità competitiva.
L’AI locale capovolge completamente il modello: l’AI gira sul tuo hardware, i tuoi documenti restano sui tuoi drive e nulla lascia i tuoi locali. L’intelligenza arriva ai dati, non il contrario.
Questa non è una capacità futura teorica. Funziona oggi, su hardware aziendale ordinario, ed è più capace di quanto la maggior parte delle persone si aspetti.
Gli strumenti che useremo
Ecco la versione breve di ciò che installeremo:
LM Studio — un’app desktop gratuita che ti permette di scaricare e far girare modelli AI localmente, con un’interfaccia amichevole e un server MCP integrato per connettere strumenti.
MCP (Model Context Protocol) — uno standard che permette agli assistenti AI di connettersi a strumenti e fonti di dati esterne, come il tuo file system o un lettore PDF. Pensalo come un sistema di plugin per l’AI.
@modelcontextprotocol/server-filesystem — un server MCP ufficiale che dà all’AI accesso in lettura a cartelle e drive che specifici.
@sylphx/pdf-reader-mcp — un server MCP leggero che estrae testo da PDF regolari, creati digitalmente.
pdf-reader-mcp (Python) — uno strumento PDF più intelligente che gestisce anche documenti scannerizzati eseguendo l’OCR usando Tesseract, che è un motore di riconoscimento del testo open-source gratuito.
Tesseract OCR — il motore dietro il passaggio OCR. Esiste da decenni, è mantenuto attivamente e gira interamente sulla tua macchina.
Non hai bisogno di una GPU potente. LM Studio funziona sulla maggior parte dei laptop e desktop moderni, e per il question-answering su documenti, anche una configurazione CPU di fascia media si comporta abbastanza bene da essere genuinamente utile.
1. Installa LM Studio
Vai su lmstudio.ai e scarica l’installer per Windows. L’installazione è semplice — basta eseguire il file .exe e seguire le istruzioni.
Una volta installato, apri LM Studio e vai alla scheda Discover per scaricare un modello. Se non sei sicuro da quale iniziare, Qwen3.5-9b, Llama 3.1 8B o Mistral 7B Instruct sono scelte solide che girano bene sulla maggior parte delle macchine senza una GPU dedicata, e per hardware più potente (ad es. almeno 64GB di RAM e una NVIDIA 3080) potresti persino optare per Qwen3.5 35B A3B che ha capacità di ragionamento, visione e strumenti e può superare modelli precedenti 6 volte più grandi.
LM Studio mostrerà un indicatore di compatibilità così puoi vedere cosa funziona per il tuo hardware prima di scaricare qualsiasi cosa.
Consiglio: Se ti occupi principalmente di Q&A su documenti piuttosto che di scrittura creativa, i modelli etichettati “Instruct” tendono ad essere più focalizzati e utili per quel compito.
Dopo aver scaricato un modello, clicca su Load per avviarlo. Vedrai l’utilizzo della memoria apparire nella barra di stato in basso — questa è la tua AI che gira localmente, senza bisogno di internet.
2. Installa Tesseract (per leggere documenti scannerizzati)
Se hai a che fare solo con PDF digitali — documenti creati in Word, esportati da software, o comunque basati su testo — puoi saltare questo passaggio. Ma se hai contratti scannerizzati, fatture archiviate, ricevute fotografate, o qualsiasi documento che è essenzialmente un’immagine di testo, avrai bisogno di Tesseract.
Scarica l’installer per Windows dal progetto UB-Mannheim su GitHub — mantengono la build ufficiale per Windows. Esegui l’installer e prendi nota del percorso in cui viene installato (di solito C:\Program Files\Tesseract-OCR\).
Per confermare che abbia funzionato, apri un terminale (premi Win + R, digita cmd, premi Invio) ed esegui:
tesseract --versionSe vedi le informazioni sulla versione, sei a posto.
3. Configura l’accesso completo al filesystem tramite MCP
È qui che le cose diventano interessanti. LM Studio supporta MCP, il che significa che puoi fornirgli strumenti per interagire con il mondo esterno — inclusa la lettura diretta dei file dai tuoi drive.
Il server MCP filesystem del progetto ufficiale Model Context Protocol gestisce questo. Lo configuri dicendogli quali percorsi radice gli sono permessi di accedere. Per dare alla tua AI accesso a tutto sul tuo PC, puntalo semplicemente alle radici dei tuoi drive.
In LM Studio, vai nella sezione Developer, poi apri il tuo file di configurazione mcp.json (si trova in ~/.lmstudio/mcp.json su Windows, che corrisponde a C:\Users\TuoiNome\.lmstudio\mcp.json). Aggiungi questo blocco all’interno della sezione mcpServers:
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"C:\\",
"D:\\",
"E:\\"
]
}Regola le lettere dei drive in base a ciò che hai effettivamente. Questo dà all’AI accesso in lettura all’intero tuo filesystem — può navigare le directory, aprire file, cercare contenuti e leggere qualsiasi cosa tu le chieda.
Tieni a mente: Questo server MCP è di sola lettura per impostazione predefinita, quindi l’AI può leggere i tuoi file ma non può modificarli o eliminarli. Questo è un importante confine di sicurezza integrato nello strumento.
4. Aggiungi un lettore PDF con OCR
Il filesystem MCP è ottimo per i file di testo semplice, ma i PDF sono una bestia diversa. Hanno il loro formato interno, caratteri incorporati e le pagine scannerizzate sono fondamentalmente solo immagini. Abbiamo bisogno di uno strumento PDF dedicato.
Installeremo due server complementari — uno veloce e leggero per i PDF regolari, e uno più intelligente per i documenti scannerizzati.
Per PDF digitali standard
Aggiungi questo al tuo mcp.json:
"pdf-reader": {
"command": "npx",
"args": ["-y", "@sylphx/pdf-reader-mcp"]
}Questo è a configurazione zero, non richiede dipendenze esterne e gestisce molto bene la maggior parte dei PDF quotidiani.
Per PDF scannerizzati o basati su immagini
Prima, assicurati di avere Python installato (scaricalo da python.org se non lo è — prendi Python 3.10 o superiore). Poi apri un terminale ed esegui:
pip install "pdf-reader-mcp[ocr] @ git+https://github.com/damateosg/pdf-reader-mcp.git"Questo installa un server PDF più intelligente che usa PyMuPDF per renderizzare le pagine e Tesseract per leggere il testo dalle immagini scannerizzate. Poi aggiungilo al tuo mcp.json:
"pdf-reader-ocr": {
"command": "C:\\Users\\TuoiNome\\AppData\\Local\\Programs\\Python\\Python313\\Scripts\\pdf-reader-mcp.exe",
"env": {
"TESSERACT_CMD": "C:\\Program Files\\Tesseract-OCR\\tesseract.exe"
}
}Sostituisci TuoiNome con il tuo nome utente Windows effettivo e aggiusta il percorso di Python se la tua installazione è in una posizione diversa.
where pdf-reader-mcpin un terminale ti dirà il percorso esatto.
Senza PDF OCR mcp: l’AI personale non può rilevare il contenuto nel PDF.
La cosa intelligente di questo server è lo strumento read_pdf_smart — rileva automaticamente se un PDF ha testo incorporato o è basato su immagini e applica il metodo di estrazione corretto. Non devi pensare a quale usare.
5. Metti tutto insieme
Riavvia LM Studio dopo aver salvato il tuo mcp.json. Quando avvii una nuova chat, dovresti vedere un’icona degli strumenti o un indicatore di stato MCP che conferma che i server sono connessi.
Ora prova a chiedere qualcosa alla tua AI locale, come:
- “Leggi il PDF in C:\Documenti\contratto_2025.pdf e riassumi i termini di pagamento.”
- “Cerca in E:\Fatture\ qualsiasi fattura che menzioni l’azienda Acme Corp ed elenca gli importi.”
- “Apri il documento scannerizzato in D:\Archivi\vecchio_accordo_scan.pdf e dimmi le date chiave menzionate.”
- “Leggi tutti i PDF nella cartella E:\Pagamenti\ e costruiscimi un unico file di calendario con scadenze e importi.“
L’AI userà il filesystem MCP per navigare fino al file, lo passerà al lettore PDF appropriato e ti darà una risposta concreta e accurata basata sul contenuto effettivo di quel documento — non un’ipotesi allucinata.
Con il PDF OCR mcp: ora l’AI personale può leggere il contenuto di un PDF scannerizzato senza problemi.
Consiglio: Il lettore OCR ha uno strumento read_pdf_smart che funziona come catch-all. Se non sei sicuro se un PDF è scannerizzato o digitale, usa quello e lascia che sia lui a capirlo.
Il caso aziendale per la privacy dei documenti
Quello che abbiamo appena costruito è il fondamento di qualcosa di genuinamente prezioso per qualsiasi azienda che ha a che fare con documenti sensibili — che è la maggior parte di esse.
Pensa a cosa fa il tuo team con i documenti ogni giorno: revisionare contratti, confrontare preventivi di fornitori, estrarre dati dalle fatture, cercare nei registri di conformità, riassumere note di riunioni. Questi sono compiti che richiedono tempo, sono ripetitivi e in cui l’AI è estremamente brava. Ma coinvolgono dati che non dovresti inviare a un server di terze parti.
Con un’AI eseguita localmente connessa al tuo filesystem e agli strumenti per i documenti, ottieni i guadagni di produttività senza il rischio per la privacy. I tuoi documenti restano sulle tue macchine. I tuoi dati restano nella tua rete. Non sei soggetto alle politiche di conservazione dei dati di un’altra azienda o a potenziali rischi di violazione.
Questo è ancora più importante se consideri i settori regolamentati. Se la tua azienda gestisce cartelle cliniche, corrispondenza legale, dati finanziari o qualsiasi cosa coperta da GDPR, HIPAA o quadri di conformità settoriali, la domanda non è solo “è conveniente” — è “è conforme”.
La configurazione descritta in questo articolo è ciò a cui assomiglia una vera implementazione di AI privata al suo livello più basilare. Gli stessi principi — modelli locali, accesso controllato ai dati, nessuna chiamata API esterna — scalano fino a implementazioni aziendali complete con più utenti, accesso basato sui ruoli, registrazione di audit e integrazione con i tuoi sistemi aziendali esistenti.
Progettare sistemi AI integrate per aziende
Quello che abbiamo visto qui è una configurazione funzionante per singolo utente. È genuinamente utile così com’è e ti dà una reale percezione di cosa possa fare l’AI locale. Ma se stai pensando di distribuire questo tipo di capacità in un team, o di integrarlo in un flusso di lavoro aziendale, c’è molto altro da considerare:
- La selezione del modello è molto importante per il lavoro sui documenti. Alcuni modelli sono molto migliori di altri nell’estrazione strutturata e nel riassunto, e la scelta giusta dipende dai tipi di documenti e dalle lingue.
- Il RAG (Retrieval-Augmented Generation) ti permette di costruire una knowledge base ricercabile dalla tua libreria di documenti, così l’AI può rispondere a domande su centinaia di documenti contemporaneamente, non solo uno alla volta.
- Le implementazioni multi-utente necessitano di controlli di accesso appropriati, così persone diverse vedono solo i documenti che dovrebbero vedere.
- L’integrazione con i tuoi strumenti esistenti — il tuo CRM, ERP, file share o sistema di gestione dei casi — è da dove arrivano i veri guadagni di produttività.
Questi sono esattamente i tipi di problemi che risolviamo a Shambix. Se sei uno sviluppatore, questa guida ti dà abbastanza per iniziare a esplorare da solo. Se sei un imprenditore o CTO che sta pensando a come sarebbe un’implementazione di AI privata di livello produttivo per la tua organizzazione, ci piacerebbe parlare della tua situazione specifica.