126 foto da allineare, 28 categorie di prodotto. Un cliente moda italiana con un catalogo e-commerce in crescita arriva da noi con questo problema: le foto sono lì sul Drive, scattate, belle, ma non sono pronte per lo shop. Servono allineamento visivo, rimozione sfondo, taglio coerente, controllo qualità. E serve ieri.
Risultato operativo: 10 foto test completate su 10 il 13 aprile 2026, costo totale $0,19 (diciannove centesimi di dollaro). Classificazione: 100% OK, zero scarti, zero revisioni manuali. Il giorno dopo il test, il 14 aprile 2026, abbiamo consegnato al cliente 44 foto lavorate ad alta risoluzione. Il catalogo completo è di 126 foto su 28 categorie: alla stessa tariffa il costo AI stimato sarebbe $2,39.
Questo articolo racconta come ci siamo arrivati: l’architettura della pipeline, i tre bug critici emersi nei primi test, il sistema di quality check automatico e — soprattutto — quando questo approccio ha senso per la tua PMI e quando non ne ha.
Il problema — foto non standardizzate costano vendite
Ogni e-commerce sa che le foto prodotto non sono un dettaglio estetico. Sono conversion rate.
Il problema del cliente era classico. Le foto prodotto arrivavano in batch dal fotografo: JPG a 8192×5464 pixel (dimensione misurata sui file originali il 2 ottobre 2026), sfondi diversi, luci diverse, ritagli diversi, orientamento diverso. A questo punto il processo tradizionale è:
- Un operatore apre Photoshop.
- Scontorna il prodotto a mano con il pen tool (il tempo varia da foto a foto: per il conto qui sotto ipotizziamo 7 minuti).
- Aggiusta colore e contrasto.
- Ritaglia al formato target.
- Esporta a dimensione shop.
- Carica su Shopify / WooCommerce / Magento.
Calcolo rapido sul catalogo completo, con ipotesi nostre: 126 foto x 7 minuti = 882 minuti, quasi 15 ore di lavoro. Con un costo orario di 35 euro (un’ipotesi di calcolo, non una tariffa di mercato), siamo sopra i 500 euro di costo lavoro solo per il ritocco. Senza contare controllo qualità, caricamenti, rilavorazioni. Con le stesse ipotesi, un catalogo che si aggiorna 4 volte all’anno costerebbe circa 2.000 euro all’anno solo di ritocco; uno che si aggiorna ogni mese, circa 6.000 euro. Se vuoi il dettaglio dei costi a confronto, abbiamo pubblicato un benchmark su quanto costa automatizzare le foto prodotto.
L’opzione “outsource a un’agenzia di ritocco offshore” esiste e può costare meno a foto, ma allunga i tempi di consegna; qualità e riservatezza, poi, vanno verificate fornitore per fornitore, tanto più su prodotti fashion non ancora pubblici.
L’architettura — tre workflow e un modello AI
La pipeline iaFlux per questo cliente gira su tre workflow n8n che parlano con Supabase Postgres come job queue. Niente di esotico, niente di proprietario: n8n è open source (qui il confronto tra n8n, Make e Zapier per l’orchestrazione), Supabase è open source, il modello AI (Flux Kontext Pro) gira su Replicate in pay-as-you-go. Il codice è nostro, ma lo stack è tutto standard e riproducibile. Se vuoi il dettaglio componente per componente, con i costi e le alternative valutate, abbiamo pubblicato un approfondimento sullo stack tecnico della pipeline.
I tre workflow fanno tre cose separate (parametri dalla configurazione esportata il 20 settembre 2026):
- Workflow 1 — Ingestion. Gira ogni 60 secondi. Scansiona una cartella INBOX su Google Drive, salta i file già visti (per identificativo Drive e, all’inserimento, per hash SHA-256), valida ogni foto (risoluzione minima, formato, integrità del file), e accoda i job in Supabase con status
queued. - Workflow 2 — Worker. Gira ogni 30 secondi. Fa tutto il lavoro pesante: claim del prossimo job (con
SKIP LOCKEDper evitare contese tra esecuzioni parallele), download dal Drive, upload a Replicate Files API, invocazione del modello Flux Kontext Pro, polling ogni 5 secondi, quality check a 5 parametri, upload output nella cartella di destinazione (OK, REVIEW o FAILED) e finalizzazione con tracking costi. - Workflow 3 — Stuck Recovery. Gira ogni 60 secondi. Trova job bloccati (lock scaduto dopo 10 minuti) e li riaccoda o li marca come dead letter se hanno già fatto 3 tentativi falliti.
Questa architettura a tre workflow non è eccessiva: è il minimo sindacale per qualsiasi pipeline AI che pretenda di girare in produzione senza babysitter. Un singolo workflow monolitico che “fa tutto” va bene per una demo, non per un sistema.
Come funziona il quality check a 5 parametri
Il nostro QC verifica cinque cose misurabili su ogni immagine generata:
- Dimensioni minime. L’output deve essere almeno 800×800 pixel. Sotto questa soglia la foto va in FAILED.
- Integrità del file. L’immagine deve potersi decodificare e analizzare. Se non si apre, va in FAILED.
- Presenza del soggetto. Si misura la varianza dei livelli di grigio: sotto la soglia (200) l’immagine è piatta o vuota e va in FAILED.
- Simmetria sinistra-destra. Un punteggio da 0 a 1: sotto 0,72 la foto va in REVIEW.
- Differenza dall’originale. Si confronta l’output con l’originale: se la differenza media è sotto il 2% (nessun cambiamento) o sopra il 45% (output troppo diverso) la foto va in REVIEW.
In base a questi 5 controlli, ogni foto viene classificata automaticamente in una di tre cartelle: OK (tutti i controlli superati, pronta per caricamento shop), REVIEW (simmetria o differenza dall’originale fuori soglia, controllo umano consigliato), FAILED (controllo di dimensioni, integrità o presenza del soggetto non superato, da rigenerare). Le soglie sono quelle del workflow attivo (esportato il 20 settembre 2026).
Nel batch test le 10 foto sono finite tutte in OK: zero REVIEW, zero FAILED. Il criterio non cambia con il volume: un’immagine che non passa i 5 check non arriva allo shop, resta in REVIEW o in FAILED e viene rifatta.
Cosa fa Flux Kontext Pro (e cosa non tocca)
Il modello AI usato è Flux Kontext Pro via Replicate. È un modello di image-to-image editing molto capace nella correzione di sfondo, normalizzazione della luce e allineamento del soggetto. Costo medio: $0,019 per immagine processata.
Cosa NON fa Flux Kontext Pro, e va detto subito:
- Non cambia il prodotto. Se la foto originale ha una piega sbagliata sul tessuto, quella piega resta.
- Non inventa dettagli mancanti. Se un bottone è fuori fuoco, non lo rende magicamente nitido.
- Non fa color correction “da rivista”. Normalizza la luce, ma non sostituisce un colorist umano.
- Non garantisce consistenza assoluta batch-over-batch. Due foto dello stesso prodotto a distanza di mesi possono avere differenze di tono minori.
Per questo caso d’uso — allineare foto e-commerce per shop — questi limiti non sono vincolanti. Per un catalogo fashion di lusso con standard editoriali molto alti, il modello non basta da solo e serve un revisore umano come layer finale. Sui limiti concreti dell’AI per una PMI abbiamo scritto un post dedicato, con cinque esempi di cosa non aspettarsi.
I numeri reali del batch test
Batch test eseguito il 13 aprile 2026. Dieci foto di giacche (categoria Jackets) del catalogo del cliente. Ecco i numeri grezzi, con esiti e tempi riletti il 2 ottobre 2026 nel registro della pipeline:
- Foto processate: 10 su 10
- Classificazione: 10 OK, 0 REVIEW, 0 FAILED
- Costo totale AI: $0,1884 (diciannove centesimi di dollaro)
- Costo medio per foto: $0,01884 (circa 1,7 centesimi di euro)
- Completamenti registrati: tra le 09:41 e le 10:19 del 13 aprile 2026 (38 minuti fra il primo e l’ultimo, compreso il recupero dei job finiti in dead letter)
- Durata media per foto: circa 24 secondi dalla presa in carico al completamento (10 foto del test; 21 secondi la media sui 273 job riusciti del 13 aprile)
- Trigger del worker durante il test: ogni 10 secondi, con esecuzioni sovrapposte (il passaggio a 30 secondi risulta nel registro dal pomeriggio del 13 aprile)
Proiezione sul catalogo completo, 126 foto su 28 categorie (numeri stimati, batch non eseguito):
- Costo AI stimato: 126 x $0,019 = $2,39
- Tempo stimato: 126 foto x 30 secondi (un job per ciclo del worker) = circa 63 minuti di pipeline non presidiata, come minimo teorico: errori e nuovi tentativi lo allungano (nel test le 10 foto si sono completate fra le 09:41 e le 10:19, recupero compreso)
- Con 2 worker paralleli: circa 32 minuti, stessa aritmetica (non misurato)
Per confronto, con le ipotesi di prima (35 euro/ora, circa 15 ore) il ritocco manuale costerebbe oltre 500 euro. Il tempo di pipeline non presidiata non “costa” nulla di lavoro umano: gira in automatico; i costi dell’infrastruttura necessaria sono indicati più sotto.
Tre fix critici che hanno evitato il disastro
I primi test end-to-end, il 12 e il 13 aprile 2026, sono andati male. Il 13 aprile, su 10 job, 6 sono finiti in dead letter e 4 sono riusciti a fatica, dopo 3 tentativi (registro della pipeline). Sono emersi tre bug distinti, e questa è una parte del case study che nessun fornitore AI ti racconta di solito. Ecco cosa abbiamo trovato e cosa abbiamo fixato. Per una lettura estesa del processo di diagnosi e recovery, guarda l’analisi completa dei primi test falliti e del recupero, con le 6 lezioni operative distillate.
Fix P0 — URL Drive non compatibile con Replicate
Il primo workflow generava URL di download Google Drive (https://drive.google.com/uc?export=download&id=FILE_ID) e li passava a Replicate. Per le nostre foto (circa 10 MB in media, fino a circa 20 MB nel registro) Google Drive rispondeva con una pagina HTML invece del file binario. Replicate provava a decodificare l’HTML come immagine e falliva con errori generici.
Soluzione: scarichiamo il file via OAuth2 dentro il container n8n, poi facciamo upload multipart a Replicate Files API (POST https://api.replicate.com/v1/files) che restituisce un URL servito da Replicate stesso, con una scadenza indicata nella risposta (campo expires_at).
Fix P1 — Retry su errore 402
Quando il credito Replicate è esaurito, l’API risponde con HTTP 402 (Payment Required). Il nostro error classifier trattava 402 come errore temporaneo e rischedulava il job. Risultato: job ritentati più volte su un account a credito zero, con il budget non monitorato.
Soluzione: check esplicito if status === 402 then errClass = 'permanent'. Il job viene marcato come fallito (stato failed), senza altri tentativi. In più abbiamo aggiunto un budget_check come primo nodo del worker: prima di fare qualsiasi cosa, verifica che la spesa già registrata nella giornata non abbia raggiunto il tetto giornaliero. Raggiunto il tetto, il worker si ferma.
Fix P2 — Trigger 10s causava concorrenza distruttiva
Il trigger del worker era impostato a ogni 10 secondi. Dato che ogni job (upload + prediction + polling + QC) richiede circa 20 secondi (21 in media nel registro del 13 aprile 2026), le esecuzioni si sovrapponevano. n8n iniziava a throttlare le richieste HTTP concorrenti con l’errore classico “Try spacing your requests out”. Non era un limite Replicate: era n8n che si auto-proteggeva.
Soluzione: trigger portato a 30 secondi. La pipeline gira più lenta.
Quando ha senso per la tua PMI — checklist 6 domande
Prima di pensare a una pipeline del genere per la tua azienda, rispondi sinceramente a queste sei domande. Se hai meno di 4 sì, non ne vale ancora la pena.
- Hai almeno 50-100 foto prodotto da processare in un batch, ricorrente almeno 2-3 volte l’anno?
- Le tue foto attuali hanno un problema oggettivo e misurabile (sfondi incoerenti, colori sballati, ritagli diversi)?
- Il tuo shop vende online (Shopify, WooCommerce, Magento, Prestashop, Amazon)?
- Hai un budget mensile per l’infrastruttura (server, database, storage), oltre al costo AI pay-per-use?
- Accetti il 2-5% di foto in REVIEW che richiedono occhio umano finale?
- Hai qualcuno — interno o consulente — che può gestire Google Drive, un gestionale base, configurare un trigger ogni tot giorni?
Quanto costa implementare la pipeline per un batch
Numeri trasparenti per tre dimensioni di batch tipiche:
- Batch 200 foto. Costo AI: $3,80. Tempo pipeline: almeno 100 minuti non presidiati con 1 worker, 50 con 2 worker (minimo teorico: un job ogni 30 secondi per worker, senza nuovi tentativi; con più worker non misurato). Setup una tantum: preventivo scritto, in base al numero di foto e alle categorie. Ricorrenza: possibile ogni 1-3 mesi.
- Batch 500 foto. Costo AI: $9,50. Tempo pipeline: almeno 250 minuti con 1 worker, 83 con 3 worker (minimo teorico, come sopra). Setup: più caro che per il batch da 200 foto, con parallelizzazione inclusa; preventivo fisso scritto.
- Batch 1.000 foto. Costo AI: $19. Tempo pipeline: almeno 500 minuti con 1 worker, circa 167 con 3 worker e circa 125 con 4 worker paralleli (minimo teorico, come sopra). Setup: la voce più alta delle tre, con monitoring avanzato e gestione failure; preventivo fisso scritto.
A questi costi si aggiunge l’infrastruttura: un VPS per n8n, Supabase Pro se serve oltre il free tier, credito Replicate pay-as-you-go. I prezzi di listino del server e del database, con fonte e data di lettura, sono nell’articolo sullo stack tecnico. Il costo fisso mensile è la somma di quei listini; il costo variabile è il volume x $0,02.
Il punto non è il costo dell’infrastruttura. Il punto è che dopo il setup iniziale ogni batch successivo costa al cliente il pay-per-use Replicate, oltre al canone dell’infrastruttura, senza ritocco manuale foto per foto: all’occhio umano restano le foto in REVIEW. Il conto va fatto sul tuo caso: con 500 foto a trimestre sono 2.000 foto all’anno, quindi ogni euro di costo di ritocco a foto pesa 2.000 euro all’anno. Con la nostra pipeline foto prodotto AI paghi il setup una volta e poi $40 all’anno di costo AI.
Il costo per foto è sceso da $0,019 in cloud a $0,008 con l’inferenza in locale (dato del 16 settembre 2026): il confronto, con il costo che ancora non misuriamo, è in Inferenza in cloud o in locale.
Cosa portare a casa
Questo caso conferma quattro cose che vale la pena memorizzare, qualsiasi sia il fornitore o la tecnologia che sceglierai.
- L’AI funziona sul serio per task ripetitivi e ben definiti. Foto prodotto, classificazione, sync dati. Funziona male per task che richiedono giudizio soggettivo.
- I numeri reali sono molto più bassi dell’hype. Un batch da 126 foto costerebbe $2,39 di AI, non 2.000 euro. Quando ricevi un preventivo, chiedi che il costo della tecnologia e quello del lavoro siano indicati separatamente.
- Il quality check automatico è il 50% del valore. Senza QC, l’output va rivisto uno per uno e il guadagno di tempo si azzera.
- Il recovery automatico dei job bloccati non è opzionale. Una pipeline che fallisce senza autorecover costa più del lavoro manuale che sostituisce.
Domande frequenti
Quanto costa automatizzare le foto prodotto per un e-commerce?
Con una pipeline AI basata su Flux Kontext Pro via Replicate, il costo per immagine processata è circa $0,019 (circa 1,7 centesimi di euro). Per un catalogo di 200 foto il costo AI è sotto $4. A questo si aggiungono il costo di setup iniziale della pipeline (preventivo scritto), il costo dell’infrastruttura e la manutenzione. Dopo il setup, ogni batch successivo costa il pay-per-use Replicate, oltre a infrastruttura e manutenzione, senza ritocco manuale foto per foto.
Quanto tempo ci vuole per processare 100 foto prodotto con l’AI?
Con la pipeline iaFlux (n8n + Flux Kontext Pro + quality check automatico), 100 foto richiedono almeno 50 minuti di elaborazione automatica non presidiata con un singolo worker (un job ogni 30 secondi, se nessun job va ritentato) e, in teoria, circa 17 minuti con 3 worker paralleli, che non abbiamo misurato. Il sistema lavora senza supervisione: ingestion ogni 60 secondi, worker ogni 30 secondi, recovery automatico dei job bloccati. In pratica: avvii il batch e non devi presidiarlo; se i tentativi non bastano, il job si ferma e lo riprende una persona.
Il quality check automatico sostituisce la revisione umana?
Il QC automatico a 5 parametri (dimensioni, integrità, presenza del soggetto, simmetria, differenza dall’originale) intercetta i difetti tecnici oggettivi. Le immagini classificate REVIEW richiedono controllo umano per valutazioni soggettive. Nel batch test per questo cliente moda italiana il 100% è finito in OK senza revisione manuale. Su volumi maggiori il criterio non cambia: le immagini che non passano i 5 check restano fuori dallo shop. Per cataloghi fashion premium con standard editoriali alti, un revisore umano resta necessario come layer finale.
Serve un reparto IT in azienda per gestire questa pipeline?
No. La pipeline gira sui nostri server (o sui tuoi, a scelta) e la gestione operativa quotidiana richiede solo un browser. Tu carichi le foto nella cartella Google Drive di INBOX, il sistema fa il resto. Noi ci occupiamo della manutenzione dell’infrastruttura e del monitoraggio. Se qualcosa si rompe — crediti AI in esaurimento, errore Drive, job bloccato — il recovery automatico rimette in coda i job bloccati e gli errori restano nel registro della pipeline.
Questa pipeline la trovi con il cliente e i numeri nella scheda del portfolio, e i criteri con cui distinguiamo un sistema in produzione da un pilota sono in Agenti AI in Italia: chi li costruisce e chi li documenta.
Se hai un catalogo da allineare, scrivici a studio@iaflux.it con il numero di foto e le categorie: rispondiamo per iscritto entro un giorno lavorativo, e se la pipeline non è la risposta giusta per il tuo caso te lo diciamo subito.
Antonio Santoro
Aggiornato il 17 settembre 2026: correzioni di lingua, chiusura scritta e link al portfolio. Aggiunto il rimando a «Inferenza in cloud o in locale: da $0,019 a $0,008 a foto». Dati riferiti a progetti pilota 2026. Metriche verificabili su richiesta.
Aggiornato il 3 ottobre 2026: abbiamo verificato le affermazioni segnalate dai nostri controlli del 14 giugno 2026. Alcune cifre di costo sono ancora in pagina com’erano: le stiamo verificando. Avevamo scritto 90 minuti di elaborazione e 9 minuti a foto: nel registro della pipeline i 10 completamenti del test stanno fra le 09:41 e le 10:19 del 13 aprile 2026, e una foto del test ha richiesto in media circa 24 secondi dalla presa in carico al completamento. Da qui abbiamo rifatto le stime sui tempi, ora calcolate dalla frequenza del worker come minimo teorico. I cinque controlli di qualità sono ora quelli che esegue il codice dei workflow, non quelli descritti prima. Fra le affermazioni segnalate, abbiamo tolto o riscritto le tariffe senza fonte, le cifre sui nostri prezzi e la promessa sul ritorno in 6 mesi.
Lo stesso metodo, sui tuoi numeri?
Scrivici cosa deve fare e con quali dati lavora: rispondiamo per iscritto entro un giorno lavorativo, con una proposta e un preventivo fisso.
Scrivici →
Lascia un commento