{"id":3377,"date":"2026-07-25T09:00:00","date_gmt":"2026-07-25T07:00:00","guid":{"rendered":"https:\/\/brentasoft.com\/blog\/scalare-ai-odoo-19-5-casi-uso-pmi-italiane-guida\/"},"modified":"2026-06-10T07:55:55","modified_gmt":"2026-06-10T05:55:55","slug":"scalare-ai-odoo-19-5-casi-uso-pmi-italiane-guida","status":"publish","type":"post","link":"https:\/\/brentasoft.com\/blog\/scalare-ai-odoo-19-5-casi-uso-pmi-italiane-guida\/","title":{"rendered":"Scalare AI in Odoo: da 1 a 5 casi d&#8217;uso con governance unitaria (guida PMI italiane)"},"content":{"rendered":"<p><em>Quarantottesima guida operativa Odoo 19 per PMI italiane. Hai implementato il primo caso d&#8217;uso AI (lead scoring) e funziona. Ora sales team chiede &#8220;possiamo applicare AI anche al magazzino?&#8221;, CFO chiede &#8220;predittiva sui pagamenti?&#8221;, customer service chiede &#8220;chatbot?&#8221;. La transizione da &#8220;AI come progetto&#8221; a &#8220;AI come capability strategica&#8221; \u00e8 uno dei salti pi\u00f9 importanti per una PMI italiana che vuole davvero competere nel 2026-2030. In questa guida vediamo come passare da 1 a 5 casi d&#8217;uso AI con governance unitaria, evitando il caos del &#8220;AI sparso&#8221;.<\/em><\/p>\n<p>Vediamo: portfolio AI strategico, roadmap multi-caso d&#8217;uso, governance unitaria, team e budget, prioritizzazione, sinergie tra casi d&#8217;uso, errori comuni, casi pratici PMI italiane con 3-5 casi d&#8217;uso AI in produzione.<\/p>\n<h2>Da 1 a 5 casi d&#8217;uso: cosa cambia<\/h2>\n<h3>Sfide nuove<\/h3>\n<ul>\n<li>Multiple model versions da gestire contemporaneamente<\/li>\n<li>Governance unica per evitare contradizioni<\/li>\n<li>Team scaling (1 progetto vs 5 contemporaneamente)<\/li>\n<li>Budget multi-progetto da prioritizzare<\/li>\n<li>Integration testing tra modelli AI<\/li>\n<li>Risk management aumentato<\/li>\n<\/ul>\n<h3>Opportunit\u00e0 nuove<\/h3>\n<ul>\n<li>Compound learning effects (dati e feature riutilizzabili)<\/li>\n<li>ROI aggregato pi\u00f9 alto del singolo caso<\/li>\n<li>Cultural shift verso decision-making data-driven<\/li>\n<li>Posizionamento competitivo distintivo<\/li>\n<li>Talent attraction (AI \u00e8 asset HR)<\/li>\n<\/ul>\n<h2>Portfolio AI strategico per PMI<\/h2>\n<h3>I 5 casi d&#8217;uso &#8220;canonici&#8221;<\/h3>\n<ul>\n<li><strong>Sales<\/strong>: Lead scoring + sales forecast<\/li>\n<li><strong>Operations<\/strong>: Demand forecasting + anomaly detection<\/li>\n<li><strong>Finance<\/strong>: Cash flow predictive + fraud detection<\/li>\n<li><strong>Customer<\/strong>: Sentiment analysis + churn prediction<\/li>\n<li><strong>Backoffice<\/strong>: Document classification + chatbot Q&amp;A<\/li>\n<\/ul>\n<h3>Priorit\u00e0 tipica PMI italiana<\/h3>\n<ul>\n<li>Anno 1: lead scoring (foundation)<\/li>\n<li>Anno 2: demand forecasting + document classification<\/li>\n<li>Anno 3: cash flow predictive + sentiment<\/li>\n<li>Anno 4: chatbot interno + churn prediction<\/li>\n<li>Anno 5+: AI custom strategic per vantaggio competitivo<\/li>\n<\/ul>\n<h2>Caso d&#8217;uso 2: AI per fatturazione e cash flow<\/h2>\n<p>Dopo il lead scoring, il secondo caso d&#8217;uso pi\u00f9 rapido ROI per PMI italiane \u00e8 la fatturazione predittiva: chi pagher\u00e0, quando, e con che probabilit\u00e0. Il dashboard fatturazione diventa decision-support:<\/p>\n<p><img decoding=\"async\" src=\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-ai-scale-01-fatturazione.png\" alt=\"Dashboard fatturazione Odoo 19 con AI cash flow predictive per PMI italiane\" class=\"aligncenter size-full wp-image-3374\"\/><\/p>\n<ul>\n<li>Score di rischio mancato pagamento per ogni fattura<\/li>\n<li>Cash flow forecast 30\/60\/90 giorni<\/li>\n<li>Sollecito automatico differenziato per score<\/li>\n<li>Alert per cliente che cambia pattern di pagamento<\/li>\n<li>Suggested actions (factoring, linee credito, sospensione fornitura)<\/li>\n<\/ul>\n<h2>Caso d&#8217;uso 3: AI per demand forecasting magazzino<\/h2>\n<p>Il terzo caso d&#8217;uso strategico \u00e8 il demand forecasting per ottimizzare scorte. ML su storico vendite + seasonality + eventi predice domanda futura per SKU:<\/p>\n<p><img decoding=\"async\" src=\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-ai-scale-02-prodotti.png\" alt=\"Lista prodotti magazzino Odoo 19 per AI demand forecasting PMI italiane\" class=\"aligncenter size-full wp-image-3375\"\/><\/p>\n<ul>\n<li>Previsione vendite settimanale\/mensile per SKU<\/li>\n<li>Suggested reorder quantity automatica<\/li>\n<li>Slow-mover detection per liquidation<\/li>\n<li>Bundling opportunity identificate<\/li>\n<li>Cross-sell pattern dataset-driven<\/li>\n<\/ul>\n<h2>Caso d&#8217;uso 4: AI per contabilit\u00e0 e compliance<\/h2>\n<p>Il quarto caso d&#8217;uso copre l&#8217;area contabile\/fiscale: classificazione automatica registrazioni, anomaly detection per controlli fiscali, suggerimenti per ottimizzazione:<\/p>\n<p><img decoding=\"async\" src=\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-ai-scale-03-registri.png\" alt=\"Registri movimenti contabili Odoo 19 con AI classification compliance PMI\" class=\"aligncenter size-full wp-image-3376\"\/><\/p>\n<ul>\n<li>Classificazione automatica registrazioni<\/li>\n<li>Anomaly detection per controlli IVA<\/li>\n<li>Suggerimenti regime fiscale ottimale per casi specifici<\/li>\n<li>Audit assistant per revisore<\/li>\n<li>Forecasting di liquidazioni periodiche<\/li>\n<\/ul>\n<h2>Governance unitaria del portfolio AI<\/h2>\n<h3>AI Steering Committee<\/h3>\n<ul>\n<li>Mensile per PMI con 2+ casi d&#8217;uso AI<\/li>\n<li>Partecipanti: CTO, CFO, business owner per area<\/li>\n<li>Decisioni: prioritization, budget, kill\/continue<\/li>\n<li>Output: roadmap aggiornata trimestralmente<\/li>\n<\/ul>\n<h3>AI Operations Team<\/h3>\n<ul>\n<li>1-3 persone dedicate per PMI &lt; 100 utenti<\/li>\n<li>3-5 persone per PMI 100-300 utenti<\/li>\n<li>Skill: data engineer + ML engineer + business analyst<\/li>\n<li>Reporting line: CTO o CDO<\/li>\n<\/ul>\n<h3>AI Center of Excellence<\/h3>\n<ul>\n<li>Standard tecnici condivisi (Python stack, framework ML)<\/li>\n<li>Reusable feature store<\/li>\n<li>Best practice condivise<\/li>\n<li>Training interno + esterno<\/li>\n<li>Community of practice<\/li>\n<\/ul>\n<h3>Risk management AI<\/h3>\n<ul>\n<li>Risk register per ogni modello in produzione<\/li>\n<li>Compliance check (GDPR, AI Act se applicabile)<\/li>\n<li>Bias monitoring<\/li>\n<li>Disaster recovery per modelli critici<\/li>\n<li>Vendor management per servizi AI esterni<\/li>\n<\/ul>\n<h2>Sinergie tra casi d&#8217;uso AI<\/h2>\n<h3>Feature store condiviso<\/h3>\n<ul>\n<li>Customer features (settore, fatturato, geografia)<\/li>\n<li>Product features (categoria, prezzo, margine)<\/li>\n<li>Time features (seasonality, holidays, events)<\/li>\n<li>Riutilizzabili tra lead scoring, demand forecast, churn<\/li>\n<li>Riduce effort sviluppo 30-50% sul 2\u00b0+ caso<\/li>\n<\/ul>\n<h3>Data pipeline condivisa<\/h3>\n<ul>\n<li>ETL Odoo \u2192 data warehouse unificato<\/li>\n<li>Refresh frequency standardizzata<\/li>\n<li>Data quality monitoring centralizzato<\/li>\n<li>Versioning dataset<\/li>\n<\/ul>\n<h3>Infrastructure condivisa<\/h3>\n<ul>\n<li>ML API gateway unico<\/li>\n<li>Monitoring stack centralizzato<\/li>\n<li>Deployment pipeline standard (CI\/CD ML)<\/li>\n<li>Knowledge base + documentazione unica<\/li>\n<\/ul>\n<h2>Roadmap tipica 36 mesi PMI<\/h2>\n<p><img decoding=\"async\" src=\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-pool-056.png\" alt=\"Scalare AI Odoo casi uso PMI\" class=\"aligncenter size-full wp-image-3466\"\/><\/p>\n<table border=\"1\" cellspacing=\"0\" cellpadding=\"6\">\n<thead>\n<tr>\n<th>Trimestre<\/th>\n<th>Focus<\/th>\n<th>Investimento<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Q1-Q2 anno 1<\/td>\n<td>Lead scoring (foundation)<\/td>\n<td>20-30k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q3 anno 1<\/td>\n<td>Data infrastructure setup<\/td>\n<td>15-25k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q4 anno 1<\/td>\n<td>Document classification<\/td>\n<td>15-25k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q1 anno 2<\/td>\n<td>Demand forecasting<\/td>\n<td>25-40k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q2 anno 2<\/td>\n<td>Cash flow predictive<\/td>\n<td>15-25k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q3 anno 2<\/td>\n<td>Consolidation + governance<\/td>\n<td>10-20k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q4 anno 2<\/td>\n<td>Sentiment analysis customer<\/td>\n<td>20-30k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q1-Q2 anno 3<\/td>\n<td>Chatbot Q&amp;A interno<\/td>\n<td>25-40k \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Q3-Q4 anno 3<\/td>\n<td>Optimization + nuovo strategic<\/td>\n<td>30-50k \u20ac<\/td>\n<\/tr>\n<tr>\n<td><strong>Totale 36 mesi<\/strong><\/td>\n<td><\/td>\n<td><strong>175-285k \u20ac<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Calcolo ROI portfolio AI<\/h2>\n<h3>Anno 3 con 5 casi d&#8217;uso operativi<\/h3>\n<table border=\"1\" cellspacing=\"0\" cellpadding=\"6\">\n<thead>\n<tr>\n<th>Caso d&#8217;uso<\/th>\n<th>Investimento cum.<\/th>\n<th>Benefici anno 3<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Lead scoring<\/td>\n<td>25k \u20ac<\/td>\n<td>40k \u20ac\/anno<\/td>\n<\/tr>\n<tr>\n<td>Demand forecasting<\/td>\n<td>30k \u20ac<\/td>\n<td>55k \u20ac\/anno<\/td>\n<\/tr>\n<tr>\n<td>Cash flow predictive<\/td>\n<td>20k \u20ac<\/td>\n<td>30k \u20ac\/anno<\/td>\n<\/tr>\n<tr>\n<td>Document classification<\/td>\n<td>25k \u20ac<\/td>\n<td>50k \u20ac\/anno<\/td>\n<\/tr>\n<tr>\n<td>Sentiment analysis<\/td>\n<td>22k \u20ac<\/td>\n<td>25k \u20ac\/anno<\/td>\n<\/tr>\n<tr>\n<td><strong>Totale<\/strong><\/td>\n<td><strong>122k \u20ac<\/strong><\/td>\n<td><strong>200k \u20ac\/anno<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Considerando manutenzione 35k \u20ac\/anno: ROI annuale netto 165k \u20ac.<\/strong><\/p>\n<p><strong>ROI cumulativo 36 mesi: positivo +35% al primo anno completo di operativit\u00e0 multi-caso.<\/strong><\/p>\n<h2>Errori comuni nello scaling AI<\/h2>\n<h3>&#8220;Scegliere il caso d&#8217;uso sbagliato come secondo&#8221;<\/h3>\n<p><strong>Problema<\/strong>: dopo lead scoring scegliere chatbot generale (low ROI), perdita momentum.<br \/>\n<strong>Soluzione<\/strong>: prioritizzare per ROI quantificabile, non per &#8220;sexy&#8221;.<\/p>\n<h3>&#8220;No infrastruttura comune&#8221;<\/h3>\n<p><strong>Problema<\/strong>: ogni caso d&#8217;uso sviluppa la sua stack, duplication + costi.<br \/>\n<strong>Soluzione<\/strong>: feature store + data pipeline + ML platform unificati dall&#8217;inizio del 2\u00b0 caso.<\/p>\n<h3>&#8220;Team non scalato&#8221;<\/h3>\n<p><strong>Problema<\/strong>: stesse 2 persone gestiscono 5 modelli, sovraccarico + bug.<br \/>\n<strong>Soluzione<\/strong>: team scaling 1 persona per 1-2 modelli in produzione + 1 progetto attivo.<\/p>\n<h3>&#8220;Governance assente&#8221;<\/h3>\n<p><strong>Problema<\/strong>: ogni team fa AI come vuole, contradictions tra modelli.<br \/>\n<strong>Soluzione<\/strong>: AI Steering Committee + Center of Excellence dall&#8217;inizio del 2\u00b0 caso.<\/p>\n<h3>&#8220;Aspettarsi ROI lineare&#8221;<\/h3>\n<p><strong>Problema<\/strong>: management aspetta 5x ROI con 5 casi vs 1.<br \/>\n<strong>Soluzione<\/strong>: alcuni casi avranno ROI marginale, \u00e8 normale. Portfolio approach.<\/p>\n<h2>Casi pratici PMI italiane multi-caso AI<\/h2>\n<h3>Caso 1 \u2014 Manifattura: 5 casi in 30 mesi<\/h3>\n<ul>\n<li>Anno 1: lead scoring + demand forecasting<\/li>\n<li>Anno 2: document classification + cash flow<\/li>\n<li>Anno 3 (mese 1-6): sentiment customer<\/li>\n<li>Investimento totale: 165k \u20ac<\/li>\n<li>Benefici annui mese 30+: 220k \u20ac\/anno<\/li>\n<li>ROI cumulativo: +130% a 36 mesi<\/li>\n<\/ul>\n<h3>Caso 2 \u2014 Distributore: 3 casi ben mirati<\/h3>\n<ul>\n<li>Lead scoring + demand forecasting + churn prediction<\/li>\n<li>Tutti su area sales\/commercial<\/li>\n<li>Sinergie massime tra modelli<\/li>\n<li>Investimento: 95k \u20ac<\/li>\n<li>Benefici annui: 140k \u20ac<\/li>\n<li>ROI: payback 12 mesi tutti i 3 casi<\/li>\n<\/ul>\n<h3>Caso 3 \u2014 Servizi B2B: scaling lento ma sano<\/h3>\n<ul>\n<li>1 caso ogni anno, focus su quality<\/li>\n<li>Lead scoring \u2192 cash flow \u2192 document classification \u2192 chatbot<\/li>\n<li>4 casi in 4 anni, ognuno ben consolidato<\/li>\n<li>Investimento: 130k \u20ac distribuiti<\/li>\n<li>Benefici: 165k \u20ac\/anno mese 48+<\/li>\n<\/ul>\n<h3>Caso 4 \u2014 E-commerce: scaling aggressivo finito male<\/h3>\n<p><img decoding=\"async\" src=\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-pool-057.png\" alt=\"Governance unitaria AI Odoo PMI italiane\" class=\"aligncenter size-full wp-image-3467\"\/><\/p>\n<ul>\n<li>7 casi avviati in 18 mesi<\/li>\n<li>3 mai completati, 4 deployati ma non monitorati<\/li>\n<li>Bug visibili, model drift non rilevato<\/li>\n<li>Cleanup necessario: kill 4 progetti, focus su 3 core<\/li>\n<li>Lesson learned: scaling controllato &gt; aggressivo<\/li>\n<\/ul>\n<h2>FAQ<\/h2>\n<h3>Posso saltare il 1\u00b0 caso d&#8217;uso e partire con 2-3 in parallelo?<\/h3>\n<p>Sconsigliato. Il 1\u00b0 caso costruisce capabilities organizzative (data pipeline, governance, change management) che servono per i successivi. Partire con 1 caso solido, poi scalare.<\/p>\n<h3>Quanti casi d&#8217;uso AI servono per PMI tipica?<\/h3>\n<p>3-5 casi d&#8217;uso ben fatti sono il sweet spot per PMI 50-300 utenti. Sopra 5: difficile gestire senza team dedicato grande. Sotto 3: AI rimane &#8220;novelty&#8221; anzich\u00e9 capability strategica.<\/p>\n<h3>Devo riassumere data scientist senior per scaling?<\/h3>\n<p>A 3+ casi d&#8217;uso simultanei: s\u00ec, raccomandato. Costo: 60-90k \u20ac\/anno per senior data scientist. ROI: capability building interna, accelerazione progetti futuri 30-50%.<\/p>\n<h3>Come prioritizzare nuovi casi d&#8217;uso AI?<\/h3>\n<p>Matrice 2&#215;2: Business impact alto\/basso \u00d7 Implementation effort alto\/basso. Quadrante &#8220;high impact + low effort&#8221; first (es. lead scoring). &#8220;High impact + high effort&#8221; planned (es. demand forecast). Altri considerare carefully.<\/p>\n<h3>Cosa fare se un modello AI smette di funzionare?<\/h3>\n<p>Process: (1) identificazione drift (monitoring continuo); (2) root cause analysis (data change? business change?); (3) retraining con dati nuovi; (4) se non sufficient, refactor modello; (5) ultima istanza: kill caso d&#8217;uso se non pi\u00f9 ROI-positive.<\/p>\n<h2>Prossimi passi<\/h2>\n<p>Nelle prossime guide vedremo come <strong>integrare AI con digital transformation<\/strong> complessiva della PMI, come <strong>preparare l&#8217;organizzazione<\/strong> al cambiamento culturale richiesto, e come <strong>misurare maturity AI<\/strong> della propria azienda con framework strutturato.<\/p>\n<p style=\"margin-top:30px;background:#f4f4f8;padding:18px;border-radius:8px;\"><strong>Vuoi scalare AI da 1 a 5 casi d&#8217;uso nella tua PMI?<\/strong><br \/>\nG Tech Group affianca le PMI italiane nello scaling AI portfolio Odoo: governance unitaria, infrastruttura condivisa, prioritizzazione strategica. Track record di PMI con 3-5 casi AI operativi e ROI portfolio +130-200% a 36 mesi.<br \/>\n<a href=\"https:\/\/brentasoft.com\/preventivatore.php\"><strong>Richiedi un preventivo gratuito<\/strong><\/a> oppure prova la nostra <a href=\"https:\/\/odoo.brentasoft.com\/\">demo Odoo 19 live<\/a>. Oppure <a href=\"https:\/\/www.odoo.com?utm_campaign=partner-d192ce8a&amp;utm_source=partner_ref\" target=\"_blank\" rel=\"noopener noreferrer\">prova Odoo direttamente su odoo.com<\/a> (link partner Brentasoft).<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Quarantottesima guida Odoo 19: come scalare AI da 1 a 5 casi d&#8217;uso. Portfolio strategico, governance, sinergie, roadmap 36 mesi, ROI portfolio, casi pratici PMI italiane.<\/p>\n","protected":false},"author":2,"featured_media":3374,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"Scalare AI Odoo: 5 casi d'uso guida PMI","_seopress_titles_desc":"Come scalare AI in Odoo da 1 a 5 casi d'uso con governance unitaria. Roadmap 36 mesi, ROI portfolio +130%, sinergie, casi pratici PMI italiane.","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"https:\/\/brentasoft.com\/blog\/scalare-ai-odoo-19-5-casi-uso-pmi-italiane-guida\/","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/odoo-ai-scale-01-fatturazione.png","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","footnotes":""},"categories":[689,4],"tags":[],"class_list":["post-3377","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-guide-odoo","category-intelligenza-artificiale"],"_links":{"self":[{"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/posts\/3377","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/comments?post=3377"}],"version-history":[{"count":0,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/posts\/3377\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/media\/3374"}],"wp:attachment":[{"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/media?parent=3377"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/categories?post=3377"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/brentasoft.com\/blog\/wp-json\/wp\/v2\/tags?post=3377"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}