Richiedi una demo
Torna alle notizie

Aggiornato:

IA nel museo? Scopri il caso di studio di MUZA

Moduli di IA di MUZA per la ricerca nel catalogo, i testi alternativi, l’audiodescrizione, le traduzioni e le descrizioni degli oggetti

Questo caso di studio si basa sull’esperienza che Łukasz Ściebior (MUZA) e Katarzyna Reszka (Museo di Varsavia) hanno condiviso durante la presentazione nell’ambito del programma ERC2026.

Descrive come gli strumenti di intelligenza artificiale sono stati introdotti in MUZA: inizialmente attraverso il lavoro di implementazione del 2024 con il Museo di Varsavia, e successivamente attraverso l’ulteriore sviluppo di MUZA effettuato nel 2026.

L’intelligenza artificiale è solo una parte di MUZA. Il sistema è un ambiente più ampio per la gestione delle collezioni, della documentazione e dei processi museali all’interno dell’organizzazione.

Le sfide quotidiane della gestione delle collezioni

I musei lavorano con quantità grandi e diversificate di informazioni: documenti di oggetti, immagini, documentazione, risultati di ricerche, terminologia, dati di conservazione, prestiti, movimenti e contenuti di pubblicazioni.

Nel lavoro quotidiano, i team possono affrontare:

  • record di oggetti incompleti o incoerenti;
  • informazioni distribuite su sistemi, fogli di calcolo, documenti e cartelle;
  • ripetute copie e riscritture delle stesse informazioni;
  • ricerca difficile in grandi collezioni;
  • terminologia incoerente;
  • catalogazione e documentazione dispendiose in termini di tempo;
  • capacità limitata di preparare contenuti per pubblici diversi;
  • ambienti separati per la preparazione, la revisione e la pubblicazione delle informazioni.

Questi problemi non riguardano solo il reparto inventario. Possono rendere più difficile rispondere alle domande, preparare mostre, gestire i prestiti, pubblicare informazioni sulle collezioni, lavorare con contenuti digitali e condividere conoscenze tra i dipartimenti.

MUZA supporta i musei portando i dati delle collezioni e i processi correlati in un unico ambiente basato su browser. Aiuta a organizzare le informazioni, standardizzare la terminologia, supportare la collaborazione e rendere i dati più facili da trovare e riutilizzare.

L’intelligenza artificiale estende queste capacità supportando attività selezionate all’interno del sistema.

Caso d’uso del Museo di Varsavia

Il primo lavoro sull’intelligenza artificiale presentato all’ERC2026 è nato dall’implementazione di MUZA al Museo di Varsavia, iniziata nel 2024.

Il Museo di Varsavia gestisce una collezione di circa 765.000 oggetti. Particolarmente importante è il suo fondo fotografico: è uno dei nuclei più consistenti della collezione, suscita un notevole interesse da parte del pubblico e richiede spesso complesse ricerche storiche.

Prima dell’implementazione, il museo aveva utilizzato per anni un ambiente meno recente che non garantiva un controllo sufficiente della terminologia, della coerenza dei dati o dell’automazione dei processi. Le diverse modalità di inserimento delle informazioni rendevano difficile confrontare, collegare e ricercare le schede.

La migrazione a MUZA includeva circa 300.000 record dal sistema precedente e da altre fonti. Il processo ha reso più visibile la portata delle sfide legate alla qualità dei dati e alla catalogazione.

Alcuni documenti richiedevano ulteriori ricerche, completamento o standardizzazione. Le fotografie potevano contenere note, etichette e timbri scritti a mano che fornivano indizi preziosi ma erano difficili da elaborare manualmente su larga scala.

Ciò ha creato una chiara necessità di strumenti che potessero supportare i professionisti dei musei senza togliere loro la responsabilità della registrazione finale.

Preparazione assistita dall’intelligenza artificiale dei record degli oggetti

Il primo modulo AI è stato sviluppato come implementazione iniziale sulla base delle esigenze identificate durante il lavoro con il Museo di Varsavia.

Partendo da una fotografia e dalle informazioni contestuali disponibili, il modulo può elaborare proposte per:

  • descrizioni degli oggetti;
  • parole chiave;
  • materiali e tecniche;
  • incontri;
  • possibile paternità;
  • dimensioni;
  • campi inventario selezionati;
  • termini del vocabolario controllato.

Può anche suggerire nuove voci di vocabolario quando un termine rilevante non esiste ancora nel dizionario configurato.

Il modulo può funzionare con un’immagine fornita come punto di partenza. Non è necessario che l’immagine sia una digitalizzazione di alta qualità; una fotografia scattata con un telefono può fornire un utile punto di partenza quando include un contesto pertinente.

Le proposte non costituiscono informazioni museali definitive. Offrono un punto di partenza strutturato per il lavoro successivo di registrar, curatori e altri specialisti.

Lettura di informazioni da fotografie

Il modulo può utilizzare il riconoscimento ottico dei caratteri per preparare una proposta di trascrizione di note, etichette e timbri visibili nelle fotografie, comprese le informazioni trovate sul retro di un’immagine.

Un membro dello staff può confrontare la proposta con l’immagine originale, correggere la trascrizione e decidere se l’informazione è rilevante per il record dell’oggetto.

L’intelligenza artificiale aiuta a elaborare le informazioni visibili. Non decide come interpretare un indizio storico.

Verifica e controllo professionale

Le discussioni con il Museo di Varsavia hanno sottolineato che i professionisti dei musei necessitano di un controllo affidabile sui dati delle collezioni.

I contenuti generati dall’intelligenza artificiale possono contenere errori, omissioni o affermazioni non supportate. Per questo motivo, il flusso di lavoro MUZA prevede diversi livelli di revisione.

Il personale può:

  • valutare le proposte campo per campo;
  • confrontarli con fonti aggiuntive;
  • revisione degli indicatori di fiducia;
  • accettare, modificare o respingere singole proposte.

Le responsabilità possono essere suddivise tra diversi ruoli:

  • il curatore valuta contenuti ed evidenze;
  • il registrar verifica la qualità dei dati, i campi obbligatori e la terminologia;
  • un revisore prepara e controlla la bozza;
  • un editore o un utente autorizzato approva il contenuto finale per il campo pertinente.

Questo crea un flusso di lavoro “human-in-the-loop”. L’intelligenza artificiale supporta la preparazione e il controllo, ma i professionisti museali rimangono responsabili delle informazioni che diventano parte della documentazione. I contenuti generati con l’assistenza dell’intelligenza artificiale sono chiaramente etichettati.

Ricerca assistita dall’intelligenza artificiale con RAG

Una delle funzionalità di IA introdotte in MUZA è una chat basata sulla generazione aumentata dal recupero di informazioni, o RAG.

RAG non è un chatbot generico con accesso illimitato a Internet. In questo caso d’uso, funziona principalmente come livello di ricerca e recupero supportato da un modello linguistico.

Il processo prevede due fasi principali:

  1. il sistema cerca informazioni pertinenti nei dati museali selezionati e collegati;
  2. il modello linguistico utilizza il contesto recuperato per preparare una risposta in linguaggio naturale.

La ricerca implementata può funzionare con le informazioni contenute in MUZA, comprese le descrizioni degli oggetti e i metadati selezionati. Gli utenti possono porre domande senza conoscere l’esatto termine del catalogo, trovare oggetti rilevanti, ispezionare i record utilizzati per preparare la risposta e salvare gli oggetti selezionati come elenco di lavoro.

La chat del catalogo di MUZA collega le sue risposte ai record sottostanti.

Questo può supportare:

  • interrogazioni di riscossione;
  • preparazione per mostre;
  • ricerca;
  • ricerca di oggetti per tema, autore o contesto;
  • ridurre la dipendenza da filtri complessi e vocabolario esatto.

I record di origine rimangono importanti. Il sistema ha lo scopo di rendere le informazioni sulla raccolta più facili da esplorare, non di nascondere la provenienza della risposta.

Sorgenti collegabili al RAG

Il livello RAG può essere fornito con fonti selezionate che l’istituzione vuole rendere ricercabili.

L’attuale caso d’uso si basa principalmente su:

  • descrizioni degli oggetti;
  • metadati selezionati;
  • informazioni sulla raccolta archiviate in MUZA.

La soluzione può essere estesa anche con ulteriori fonti indicizzate, come ad esempio:

  • documentazione digitalizzata;
  • riferimenti bibliografici;
  • libri digitalizzati;
  • materiali di ricerca;
  • repository o ambienti di documenti selezionati.

Le fonti aggiuntive vengono selezionate, preparate e indicizzate per ogni implementazione. Una volta configurate, possono essere consultate dalla chat.

Sicurezza dei dati e infrastrutture

La configurazione discussa durante la preparazione di ERC2026 è stata progettata per funzionare localmente, nell’infrastruttura gestita dal team MUZA o dall’istituzione. Con un modello ospitato localmente, i passaggi recuperati dalle schede delle collezioni vengono elaborati all’interno di tale infrastruttura. Se viene configurato un modello esterno, i passaggi trasmessi vengono elaborati secondo tale configurazione e le condizioni del fornitore per il trattamento dei dati.

Questa architettura può aiutare l’istituzione a mantenere il controllo su:

  • quali fonti sono indicizzate;
  • quali dati vengono resi disponibili alla ricerca;
  • dove vengono trattati i dati;
  • chi può utilizzare il modulo;
  • come viene gestito l’accesso al sistema.

RAG stesso non è una garanzia automatica di sicurezza o accuratezza. Il livello finale di protezione dipende dall’infrastruttura selezionata, dal modello, dai controlli di accesso, dalle regole di integrazione, manutenzione e trattamento dei dati.

Per questo motivo, la sicurezza e la privacy devono essere considerate come parte dell’architettura di implementazione, non come una caratteristica di marketing separata.

Sviluppo di descrizioni per pubblici diversi

L’ulteriore sviluppo di MUZA nel 2026 ha introdotto strumenti per la preparazione di descrizioni adattate a pubblici e scopi diversi.

Gli stessi dati oggetto possono essere utilizzati come punto di partenza per contenuti destinati a:

  • bambini;
  • visitatori adulti;
  • ricercatori;
  • educatori;
  • squadre espositive;
  • persone nello spettro autistico.

Il sistema utilizza le informazioni già contenute nel record dell’oggetto per preparare una bozza. Il personale quindi esamina, modifica e approva il risultato prima di utilizzarlo nel lavoro del museo o nelle collezioni online.

L’obiettivo è ridurre la scrittura ripetitiva rendendo al tempo stesso più facile riutilizzare la conoscenza della raccolta esistente.

Contenuti sull’accessibilità

MUZA comprende anche strumenti a supporto del lavoro sull’accessibilità.

Possono aiutare con:

  • identificazione delle immagini con testo alternativo mancante;
  • predisposizione di una bozza di testo alternativo;
  • realizzazione di trascrizioni per audio e video;
  • predisposizione di sottotitoli accessibili;
  • identificazione degli altoparlanti, degli effetti sonori e dei suoni di sottofondo;
  • preparazione di bozze di descrizioni audio per immagini e script di descrizioni audio complete e codificate nel tempo per film.

Per i film, MUZA può generare una bozza completa del copione di audiodescrizione. Analizza il video per segmenti e descrive ciò che è visibile in ogni momento, con codici temporali per raggiungere direttamente la scena e verificare la descrizione rispetto al filmato originale. Il copione può essere scaricato come file WebVTT.

Questi strumenti risolvono un problema pratico: la preparazione dei contenuti di accessibilità in una vasta raccolta digitale può richiedere molto tempo e lavoro manuale ripetuto.

Traduzione con terminologia museale

Un’altra funzionalità AI di MUZA supporta la traduzione.

Il personale può tradurre campi o descrizioni selezionati, confrontare l’originale con la versione proposta e rivedere il risultato prima della pubblicazione. Il flusso di lavoro può preservare nomi propri o frasi selezionati che dovrebbero rimanere nella lingua originale.

È anche possibile configurare la terminologia per l’istituzione. Questo è importante perché una traduzione generale potrebbe non riflettere il significato di un termine museale specialistico.

Il processo supporta una preparazione più rapida dei contenuti della collezione multilingue, pur mantenendo la responsabilità della formulazione finale con il personale del museo.

MUZA è più che AI

L’intelligenza artificiale è un gruppo di strumenti all’interno di MUZA, non la definizione del sistema.

MUZA sostiene un lavoro museale più ampio, tra cui:

  • raccolta e gestione dell’inventario;
  • documentazione e digitalizzazione;
  • archivi;
  • conservazione;
  • prestiti e depositi;
  • movimenti di oggetti;
  • mostre e progetti;
  • portali e accesso del pubblico;
  • cooperazione tra dipartimenti;
  • migrazione dei dati e miglioramento della qualità dei dati.

Il sistema ha lo scopo di aiutare i musei a ridurre la necessità di spostarsi tra strumenti disconnessi, evitare l’immissione ripetuta di dati, migliorare la ricerca e il filtraggio, lavorare con informazioni condivise e riutilizzare i dati della raccolta in diversi processi.

Gli strumenti di intelligenza artificiale supportano attività selezionate in questo ambiente. Non sostituiscono il sistema di gestione delle collezioni, i flussi di lavoro del museo o le competenze professionali.

Oltre l’esperimento

Il caso del MUZA e del Museo di Varsavia mostra che lo sviluppo pratico dell’IA può iniziare con problemi operativi specifici:

  • registrazioni incomplete;
  • lavoro di catalogazione ripetitivo;
  • ricerche difficili;
  • contesto storico perduto;
  • carico di lavoro sull’accessibilità;
  • carico di lavoro di traduzione;
  • la necessità di preparare contenuti per pubblici diversi;
  • processi di revisione e approvazione frammentati.

Il primo modulo è nato dal lavoro di implementazione del 2024 con il Museo di Varsavia. Ulteriori funzionalità AI sono state introdotte e sviluppate come parte dello sviluppo del prodotto MUZA nel 2026.

La soluzione giusta dipende dai dati, dai flussi di lavoro, dalla terminologia, dall’infrastruttura, dai requisiti di sicurezza e dalle responsabilità professionali dell’istituzione.

L’intelligenza artificiale può aiutare i musei a risparmiare tempo, a migliorare l’accesso alle informazioni e a utilizzare meglio le conoscenze esistenti. La revisione umana, le responsabilità chiare e il controllo sui dati rimangono essenziali.

Katarzyna Reszka (Museo di Varsavia) e Łukasz Ściebior (MUZA) all'ERC2026 di Berlino.
Katarzyna Reszka (Museo di Varsavia) e Łukasz Ściebior (MUZA) all’ERC2026 di Berlino.

Parliamo di IA e gestione delle collezioni nel tuo museo

Stai prendendo in considerazione l’intelligenza artificiale per la catalogazione, la ricerca di collezioni, l’accessibilità, la traduzione o la ricerca di collezioni?

Raccontaci di cosa ha bisogno il tuo museo e scopri se possiamo implementare gratuitamente il sistema MUZA presso la tua istituzione.

Contatta il team MUZA:

Jan Sikora
International Business Growth Partner
jan.sikora@mobilems.pl
+48 797 418 825

ERC2026 a Berlino: il pubblico, Łukasz Ściebior al leggio con Katarzyna Reszka e lo stand MUZA