Evoluzione architetturale e migrazione tecnologica di un’applicazione web AI-based per la traduzione e l’analisi di testi in lingue classiche: il caso Teseo

Il presente lavoro di tesi documenta l'evoluzione architetturale e la migrazione tecnologica di Teseo, un'applicazione web basata su intelligenza artificiale per la traduzione e l'analisi di testi in latino e greco antico, sviluppata presso la startup Memoraiz. La piattaforma, con oltre centomila utenti registrati, offre traduzione assistita e analisi grammaticale strutturata attraverso l'utilizzo di Large Language Models. L'architettura originale, basata su JavaScript, Firebase e OpenAI GPT-4o-mini, presentava limitazioni in termini di vendor lock-in, manutenibilità e qualità degli output AI. Il lavoro ha affrontato queste criticità attraverso una riprogettazione integrale: migrazione della codebase a TypeScript, adozione di Payload CMS come headless CMS, migrazione del database a PostgreSQL e deployment su AWS con pipeline CI/CD automatizzata. Sul fronte AI, il sistema OCR è stato migrato a MistralAI, riducendo la latenza del 61% e raggiungendo un'accuratezza del 99% per il latino e del 96% per il greco. Il flusso di elaborazione è stato ristrutturato tramite il framework Mastra, con rilevamento automatico della lingua del testo inserito, esecuzione parallela di traduzione e analisi, e streaming progressivo dei risultati. Infine, una valutazione su 13 modelli OpenAI ha guidato la selezione dei modelli da usare in produzione per ciascuno step del workflow, al fine di bilanciare qualità, latenza e costi.