Questa pagina è disponibile anche in English, Deutsch, Español, Français, 日本語 e Português.
DoiT ha messo in produzione su Vertex AI un sistema di AI generativa che trasforma immagini delle tempeste e dati dei sensori in ricerche di similarità istantanee.
Gli eventi meteorologici estremi sono sempre più frequenti e intensi e mettono gli assicuratori sotto enorme pressione, costringendoli a valutare e reagire in tempi rapidissimi. Le grandinate, in particolare, rappresentano una sfida a sé: sono localizzate, distruttive e imprevedibili. Gli Engineers arrivavano a impiegare fino a 10 ore di lavoro per ciascun caso, setacciando manualmente i dati alla ricerca di corrispondenze: un processo lento, soggetto a errori e impossibile da scalare. Il team ristretto di Opterrix non disponeva della capacità interna, delle competenze in architetture di produzione né di un playbook implementativo per muoversi in tempi rapidi con la GenAI.
Opterrix ha scelto DoiT come partner strategico per portare l'AI generativa in produzione. DoiT ha contribuito a sviluppare una soluzione basata sulla GenAI per analizzare immagini dei chicchi di grandine e metadati delle tempeste, identificando eventi storici simili in base alla prossimità geospaziale e ai pattern meteorologici. Grazie a Vertex AI e agli embedding multimodali, il sistema converte in pochi secondi immagini delle tempeste e dati dei sensori in intelligence vettorializzata e ricercabile. DoiT ha inoltre ottimizzato l'ambiente Google Cloud di Opterrix in termini di prestazioni e costi, introducendo guardrail basati sull'utilizzo e Cloud Intelligence™.
Sapevamo che l'AI generativa poteva cambiare le regole del gioco, ma non avevamo nemmeno la capacità interna per iniziare a esplorarla. Già nelle prime sessioni DoiT ci ha aiutato a mettere a fuoco un caso d'uso concreto. Non si sono limitati ad aiutarci a costruire il modello: ci hanno aiutato a capirlo. Nel giro di poche settimane avevamo un prototipo funzionante che sostituiva 10 ore di lavoro manuale con un sistema capace di restituire risultati in pochi secondi. Un'accelerazione del genere è rara, ed era esattamente ciò di cui avevamo bisogno.
Niels Jorgensen, VP of Engineering, Opterrix
Opterrix è una piattaforma di analisi geospaziale cloud-native, sviluppata appositamente per il settore assicurativo. L'azienda combina dati meteorologici proprietari, indici di rischio per i pericoli naturali e machine learning predittivo per aiutare gli assicuratori a ottimizzare l'underwriting, rispondere alle catastrofi e gestire il rischio in tempo reale. Con l'obiettivo di modernizzare e accelerare la catena del valore assicurativa, in particolare nei rami personal e commercial, Opterrix offre strumenti mission-critical che permettono a underwriter e analisti di prendere decisioni più rapide e informate.
Gli eventi meteorologici estremi sono sempre più frequenti e intensi e mettono gli assicuratori sotto enorme pressione, costringendoli a valutare e reagire in tempi rapidissimi. Le grandinate, in particolare, rappresentano una sfida a sé: sono localizzate, distruttive e imprevedibili. Dopo una tempesta, gli assicuratori devono valutare rapidamente l'evento, confrontarlo con eventi analoghi e attivare i piani di risposta in tempi stretti. Per Opterrix, abilitare questo processo significava sviluppare strumenti in grado di far emergere on demand le grandinate storiche più rilevanti. Ma gli Engineers arrivavano a impiegare fino a 10 ore di lavoro per ciascun caso, setacciando manualmente i dati per trovare quelle corrispondenze: un processo lento, soggetto a errori e impossibile da scalare.
Fin dall'inizio, DoiT ha affrontato il progetto non come un fornitore, ma come un'estensione strategica del team di Opterrix. Il programma accelerator – pensato per portare i progetti a regime in modo strutturato ma flessibile – ha offerto il framework ideale. Le prime sessioni di discovery si sono concentrate su una comprensione dettagliata di architettura, vincoli e obiettivi di Opterrix. DoiT non ha tentato di applicare un modello preconfezionato: ha calibrato ogni elemento sul business e sulla piattaforma di Opterrix, dal primo workshop al deliverable finale.
In precedenza, gli Engineers di Opterrix dovevano confrontare manualmente dati e immagini di grandinate passate: un processo lento, poco coerente e fortemente dipendente dall'esperienza individuale. DoiT ha aiutato Opterrix a sviluppare una soluzione basata sulla GenAI per analizzare immagini dei chicchi di grandine e metadati delle tempeste, individuando eventi storici simili in base alla prossimità geospaziale e ai pattern meteorologici. Grazie a Vertex AI e agli embedding multimodali, il sistema interpreta caratteristiche visive e contestuali, trasformando in pochi secondi immagini delle tempeste e dati dei sensori in intelligence vettorializzata e ricercabile.
Il modulo di matching delle grandinate basato sull'AI ha sostituito un processo manuale da 10 ore con una soluzione automatizzata che restituisce risultati in meno di 10 secondi, liberando ore preziose di engineering e accelerando la risposta degli assicuratori. Questo salto di efficienza permette oggi a Opterrix di reagire più rapidamente agli eventi meteorologici, fornendo agli assicuratori intelligence quasi in tempo reale per velocizzare la gestione dei sinistri, mobilitare risorse e ridurre le perdite. Affidando a DoiT progettazione architetturale, implementazione del modello e ottimizzazione dell'infrastruttura, Opterrix ha ridotto del 50% i cicli di R&S e aumentato l'affidabilità di rilascio.
Oltre ai deliverable tecnici, il progetto ha rafforzato le competenze interne di Opterrix. Gli Engineers hanno maturato esperienza diretta con l'AI generativa, hanno imparato a integrarla nei sistemi di produzione e a presidiare la governance in un ambiente regolamentato. Il modulo AI è oggi una capability fondamentale per Opterrix e un trampolino per ulteriori innovazioni. Ma soprattutto, il team è ora in grado di portare avanti quell'innovazione in autonomia. Non si è trattato solo di rilasciare un modello, ma di trasferire le competenze, la mentalità e l'infrastruttura necessarie per integrare l'AI in tutta la piattaforma.
Veda come Cloud Intelligence™ aiuta i team a migliorare visibilità, governance e unit economics nei propri ambienti cloud.
Connecting IBM and AWS privately was the piece we needed to get right, and we wanted to move faster on it than we could on our own. DoiT worked through the options with us, found the subnet overlap that was breaking the routing, and made it stable. That unblocked everything else.
DevOps Lead, Software Projects
Attribute™'s platform is truly unique. We now have crystal-clear visibility into our cloud spend at the workload and tenant level, and that insight has already led to actionable savings and powerful insights as we further scale our service.
Paul White, VP of Engineering, Shasta Cloud
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
Let us show you what ships this week.
