3 repo da conoscere: l'AI in ufficio, anche senza cloud

Fine settembre 2026: tra sviluppatori e IT manager la domanda non è più «l'AI è impressionante», ma «quale AI puoi permetterti e controllare davvero». Tre progetti open source restano ai vertici di GitHub per stelle e attività perché rispondono a questa domanda per una piccola impresa: modelli sul proprio hardware, ricerca nei documenti aziendali, processi automatizzati con agenti. Ecco i tre da conoscere, pregi e difetti compresi.

Ollama: fai girare i modelli sul tuo hardware, non su quello di qualcun altro

Ollama è un runtime open source (licenza MIT) che scarica ed esegue modelli linguistici — da Llama e Qwen a Gemma e DeepSeek — direttamente su un PC, un mini server o un Mac, con un'unica riga di comando o un'API compatibile OpenAI. Al 24 settembre 2026 il repository conta oltre 181.000 stelle su GitHub e riceve commit quasi ogni giorno.

Per una PMI o un MSP italiano significa offrire assistenti AI interni — un chatbot per il magazzino, un riassuntore di email — senza far uscire dati dall'azienda e senza un canone mensile per token. È anche la base di molti altri strumenti open source, incluso il prossimo di questa lista.

Per provarlo basta installare Ollama e lanciare un modello leggero, che gira anche su un portatile senza scheda video dedicata: ollama run llama3.2

Il limite è l'hardware: i modelli piccoli (3-8 miliardi di parametri) vanno bene su una macchina qualunque, ma per risultati vicini a quelli dei modelli via cloud serve una GPU con 16 GB di VRAM o più, come quella della foto. E a maggio 2026 i ricercatori di Cyera hanno scoperto in Ollama una falla soprannominata «Bleeding Llama» (CVE-2026-7482, punteggio CVSS 9,1) che esponeva la memoria del processo su oltre 300.000 server raggiungibili da internet senza autenticazione: corretta dalla versione 0.17.1, resta un promemoria a non esporre mai l'API di Ollama online senza un proxy con autenticazione.

RAGFlow: fai rispondere l'AI leggendo i tuoi documenti

RAGFlow è un motore open source (licenza Apache 2.0) di retrieval-augmented generation: indicizza contratti, fatture, slide e PDF scansionati, li interpreta anche quando sono tabelle o layout complessi, e risponde alle domande citando il punto esatto del documento da cui arriva la risposta. Al 24 settembre 2026 ha oltre 91.000 stelle su GitHub.

È il caso d'uso più richiesto a un MSP dai clienti: «voglio cercare nei documenti come su Google, ma che risponda anche alle domande». RAGFlow lo fa in locale, quindi contratti e dati restano sui tuoi server, e le citazioni riducono il rischio che l'AI si inventi una risposta.

Si installa con Docker in pochi minuti: git clone https://github.com/infiniflow/ragflow.git && cd ragflow/docker && docker compose -f docker-compose.yml up -d

Non è leggero: servono almeno 16 GB di RAM, 50 GB di disco e Docker aggiornato, e le immagini precompilate girano solo su x86 (non su Mac Apple Silicon o Raspberry Pi). Va affidato a chi sa amministrare Docker ed Elasticsearch: non è un prodotto da installare e dimenticare.

n8n: automatizza i processi con agenti AI, senza (troppo) codice

n8n è una piattaforma di automazione visuale con oltre 400 integrazioni che oggi include agenti AI nativi: colleghi un trigger (una nuova email, un nuovo ordine), un modello a scelta — OpenAI, Anthropic o un modello locale via Ollama — e un'azione, trascinando blocchi. Al 24 settembre 2026 ha oltre 205.000 stelle su GitHub, il numero più alto dei tre repository di questo articolo.

Per un MSP è lo strumento con cui costruire automazioni per i clienti in ore, non settimane: uno smistamento automatico dei ticket, un agente che compila un preventivo dai dati del CRM, una notifica quando una fattura scaduta non è ancora stata pagata.

Si prova con un solo container: docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Due cose da sapere prima di rivenderlo a un cliente. Primo: la licenza non è open source classica ma una «Sustainable Use License», che permette uso e modifica per il proprio business ma non la rivendita come servizio in concorrenza con n8n Cloud senza licenza enterprise — utile se un MSP pensa di ospitarlo per più clienti. Secondo: a gennaio 2026 è stata resa pubblica una falla critica (CVE-2026-21858, punteggio CVSS 10) scoperta da Cyera e già corretta dalla versione 1.121.0; secondo Shadowserver, settimane dopo restavano esposte decine di migliaia di istanze non aggiornate. Aggiornare sempre: non è facoltativo.

Perché ti interessa

Se sei un IT manager o un MSP italiano, questi tre repository coprono i tre modi in cui una piccola azienda inizia davvero a usare l'AI: farla girare in casa per non pagare token e non far uscire dati, farla leggere nei propri documenti invece che in un foglio Excel, farle automatizzare un processo che oggi fa a mano un dipendente. Nessuno dei tre richiede un budget da grande azienda: serve qualcuno che sappia installarli, aggiornarli e sapere dove finiscono i dati. Altovar aiuta le aziende a integrare l'AI e a fare deployment locali o sovrani; per capire quale di questi strumenti ha senso per la tua struttura, la pagina servizi di intelligenza artificiale di Altovar è un buon punto di partenza.

Fonti: repository GitHub di Ollama, repository GitHub di RAGFlow, repository GitHub di n8n (stelle, licenza e data dell'ultimo push verificate via API GitHub il 24 settembre 2026); The Hacker News sulla falla CVE-2026-7482 di Ollama; Cybersecurity Dive sulla falla CVE-2026-21858 di n8n.