- Modello: Sistemi di intelligenza artificiale integrati che interpretano segnali, generano risposte e fanno previsioni
- attrezzo: Livello di integrazione che collega l’intelligenza artificiale ai sistemi aziendali, come API, protocolli e connettori
- Contesto: Prima di prendere decisioni, gli agenti informativi devono comprendere l’intero quadro aziendale, compresa la storia dei clienti, i cataloghi dei prodotti e le reti della catena di fornitura.
- Governo: Policy, controlli e procedure che garantiscono la qualità, la sicurezza e la conformità dei dati
Questo quadro aiuta a identificare dove emergono le lacune di affidabilità. Quando un agente aziendale fallisce, quale quadrante è il problema? Il modello previsto è sbagliato? L’attrezzatura non è disponibile o è rotta? Il riferimento è incompleto o contraddittorio? Oppure non esiste alcun meccanismo per verificare che l’agente abbia fatto ciò che doveva fare?
Perché si tratta di un problema di dati e non di un problema di modello?
È forte la tentazione di pensare che man mano che i modelli migliorano, migliorerà anche l’affidabilità. Tuttavia, la capacità del modello sta aumentando rapidamente. il costo stimato è è caduto circa 900 volte tra tre anni, I tassi di allucinazioni stanno diminuendoE la capacità dell’intelligenza artificiale di eseguire compiti lunghi raddoppia ogni sei mesi.
Anche l’utensileria sta guadagnando slancio. I framework di integrazione come Model Context Protocol (MCP) semplificano enormemente la connessione degli agenti ai sistemi e alle API aziendali.
Se i modelli sono potenti e gli strumenti stanno maturando, cosa ne ostacola l’adozione?
Per prendere in prestito da James Carville, “Sono dati, stupido.” La causa principale del comportamento anomalo della maggior parte degli agenti sono dati disallineati, incoerenti o incompleti.
Le aziende hanno accumulato debito di dati per decenni. Acquisizioni, sistemi personalizzati, strumenti dipartimentali e shadow IT hanno lasciato dati sparsi in silos che raramente concordano. I sistemi di supporto non corrispondono a ciò che esiste nei sistemi di marketing. I dati dei fornitori vengono replicati nei settori finanza, acquisti e logistica. I luoghi hanno più rappresentazioni a seconda della fonte.
Inserisci alcuni agenti in questo ambiente e all’inizio si comporteranno in modo sorprendente, perché a ciascuno viene fornita una serie curata di sistemi a cui fare appello. Aggiungi più agenti e le crepe aumentano, poiché ogni persona crea il proprio pezzo di verità.
Questa dinamica è già stata vista. Quando la business intelligence è diventata self-service, tutti hanno iniziato a creare dashboard. La produttività è aumentata vertiginosamente, i rapporti non corrispondevano. Ora immagina quell’evento non in una dashboard statica, ma in agenti AI che possono agire. Con gli agenti, l’incoerenza dei dati produce conseguenze aziendali reali, non solo discussioni tra dipartimenti.
