La scalabilità dell’intelligenza artificiale aziendale richiede il superamento delle sviste architettoniche che spesso bloccano i progetti pilota prima della produzione, una sfida che va ben oltre la selezione del modello. Sebbene i prototipi di intelligenza artificiale generativa siano facili da realizzare, trasformarli in risorse aziendali affidabili implica risolvere i difficili problemi di ingegneria e governance dei dati.
Davanti a IA e Big Data a livello globale 2026 a Londra, Franny Hsiao, EMEA Leader di AI Architects presso Salesforcehanno discusso del motivo per cui così tante iniziative si scontrano con un muro e di come le organizzazioni possono progettare sistemi che sopravvivano effettivamente al mondo reale.
Il problema dell'”isola incontaminata” della scalabilità dell’intelligenza artificiale aziendale
La maggior parte dei fallimenti deriva dall’ambiente in cui è costruita l’intelligenza artificiale. I progetti pilota spesso iniziano in ambienti controllati che creano un falso senso di sicurezza, per poi crollare di fronte alla scala aziendale.
“L’errore architettonico più comune che impedisce ai progetti pilota di intelligenza artificiale di crescere è l’incapacità di progettare un’infrastruttura dati di livello produttivo con una governance end-to-end integrata fin dall’inizio”, spiega Hsiao.
“Comprensibilmente, i progetti pilota spesso iniziano su ‘isole incontaminate’, utilizzando set di dati piccoli e curati e flussi di lavoro semplificati. Ma questo ignora la realtà caotica dei dati aziendali: la complessa integrazione, normalizzazione e trasformazione necessarie per gestire il volume e la variabilità del mondo reale.”
Quando le aziende tentano di ampliare questi progetti pilota basati su isole senza affrontare il caos dei dati sottostanti, i sistemi si rompono. Hsiao avverte che “le conseguenti lacune nei dati e i problemi di prestazioni come la latenza di inferenza rendono i sistemi di intelligenza artificiale inutilizzabili e, soprattutto, inaffidabili”.
Hsiao sostiene che le aziende che colmano con successo questo divario sono quelle che “inseriscono osservabilità e guardrail end-to-end nell’intero ciclo di vita”. Questo approccio fornisce “visibilità e controllo sull’efficacia dei sistemi di intelligenza artificiale e sul modo in cui gli utenti adottano la nuova tecnologia”.
Ingegneria per la reattività percepita
Poiché le imprese implementano modelli di ragionamento di grandi dimensioni, come il “Motore di ragionamento Atlas” – si trovano ad affrontare un compromesso tra la profondità del “pensiero” del modello e la pazienza dell’utente. Il calcolo pesante crea latenza.
Salesforce affronta questo problema concentrandosi sulla “reattività percepita attraverso Agentforce Streaming”, secondo Hsiao.
“Questo ci consente di fornire risposte generate dall’intelligenza artificiale in modo progressivo, anche mentre il motore di ragionamento esegue calcoli pesanti in background. È un approccio incredibilmente efficace per ridurre la latenza percepita, che spesso blocca la produzione dell’intelligenza artificiale.”
La trasparenza svolge anche un ruolo funzionale nella gestione delle aspettative degli utenti durante la scalabilità dell’intelligenza artificiale aziendale. Hsiao approfondisce l’utilizzo del design come meccanismo di fiducia: “Facendo emergere indicatori di progresso che mostrano i passaggi di ragionamento o gli strumenti utilizzati, nonché immagini come spinner e barre di avanzamento per rappresentare gli stati di caricamento, non ci limitiamo a mantenere gli utenti coinvolti; miglioriamo la reattività percepita e creiamo fiducia.
“Questa visibilità, combinata con la selezione strategica del modello – come la scelta di modelli più piccoli per meno calcoli, il che significa tempi di risposta più rapidi – e vincoli espliciti di lunghezza, garantisce che il sistema sembri deliberato e reattivo”.
Intelligenza offline all’edge
Per i settori con operazioni sul campo, come i servizi pubblici o la logistica, fare affidamento sulla connettività cloud continua è un fallimento. “Per molti dei nostri clienti aziendali, il principale fattore pratico è la funzionalità offline”, afferma Hsiao.
Hsiao evidenzia il passaggio all’intelligenza integrata nel dispositivo, in particolare nei servizi sul campo, dove il flusso di lavoro deve continuare indipendentemente dalla potenza del segnale.
“Un tecnico può fotografare una parte difettosa, un codice di errore o un numero di serie mentre è offline. Quindi un LLM sul dispositivo può quindi identificare la risorsa o l’errore e fornire immediatamente passaggi guidati per la risoluzione dei problemi da una knowledge base memorizzata nella cache”, spiega Hsiao.
La sincronizzazione dei dati avviene automaticamente una volta ripristinata la connettività. “Una volta ripristinata la connessione, il sistema gestisce il ‘lavoro pesante’ di sincronizzare i dati nel cloud per mantenere un’unica fonte di verità. Ciò garantisce che il lavoro venga svolto, anche negli ambienti più disconnessi.”
Hsiao si aspetta una continua innovazione nell’intelligenza artificiale all’avanguardia grazie a vantaggi come “latenza ultra bassa, maggiore privacy e sicurezza dei dati, efficienza energetica e risparmio sui costi”.
Gateway ad alto rischio
Gli agenti autonomi non sono strumenti “imposta e dimentica”. Quando si scalano le distribuzioni di intelligenza artificiale aziendale, la governance richiede di definire esattamente quando un essere umano deve verificare un’azione. Hsiao descrive questo non come dipendenza, ma come “architettura per la responsabilità e l’apprendimento continuo”.
Salesforce incarica un “human-in-the-loop” per aree specifiche che Hsiao chiama “gateway ad alto rischio”:
“Ciò include categorie di azioni specifiche, comprese eventuali azioni ‘CUD’ (Creazione, Caricamento o Eliminazione), nonché azioni di contatto verificate e di contatto con il cliente”, afferma Hsiao. “Inoltre, utilizziamo per impostazione predefinita la conferma umana per il processo decisionale critico o qualsiasi azione che potrebbe essere potenzialmente sfruttata attraverso una pronta manipolazione.”
Questa struttura crea un ciclo di feedback in cui “gli agenti imparano dalle competenze umane”, creando un sistema di “intelligenza collaborativa” piuttosto che di automazione incontrollata.
Per fidarsi di un agente è necessario vedere il suo lavoro. Salesforce ha creato un “Session Tracing Data Model (STDM)” per fornire questa visibilità. Cattura “registri passo-passo” che offrono informazioni granulari sulla logica dell’agente.
“Questo ci offre una visibilità dettagliata e dettagliata che cattura ogni interazione, comprese le domande degli utenti, i passaggi del pianificatore, le chiamate agli strumenti, gli input/output, i blocchi recuperati, le risposte, i tempi e gli errori”, afferma Hsiao.
Questi dati consentono alle organizzazioni di eseguire “Analisi dell’agente” per le metriche di adozione, “Ottimizzazione dell’agente” per approfondire le prestazioni e “Monitoraggio dello stato” per il monitoraggio dei tempi di attività e della latenza.
“L’osservabilità di Agentforce è il controllo unico della missione per tutti i tuoi agenti Agentforce per visibilità, monitoraggio e ottimizzazione unificati”, riassume Hsiao.
Standardizzazione della comunicazione degli agenti
Poiché le aziende distribuiscono agenti di fornitori diversi, questi sistemi necessitano di un protocollo condiviso per collaborare. “Affinché l’orchestrazione multi-agente funzioni, gli agenti non possono esistere nel vuoto; hanno bisogno di un linguaggio comune”, sostiene Hsiao.
Hsiao delinea due livelli di standardizzazione: orchestrazione e significato. Per l’orchestrazione, Salesforce sta adottando standard open source come MCP (Model Context Protocol) e A2A (Agent to Agent Protocol).”
“Crediamo che gli standard open source non siano negoziabili; impediscono il vincolo del fornitore, consentono l’interoperabilità e accelerano l’innovazione.”
Tuttavia, la comunicazione è inutile se gli agenti interpretano i dati in modo diverso. Per risolvere i dati frammentati, ha co-fondato Salesforce OSI (Open Semantic Interchange) per unificare la semantica in modo che un agente in un sistema “comprendi veramente l’intento di un agente in un altro”.
Il futuro collo di bottiglia della scalabilità dell’AI aziendale: dati pronti per l’agente
Guardando al futuro, la sfida si sposterà dalla capacità del modello all’accessibilità dei dati. Molte organizzazioni lottano ancora con infrastrutture legacy e frammentate in cui “ricercabilità e riutilizzabilità” rimangono difficili.
Hsiao prevede che il prossimo grande ostacolo – e la soluzione – sarà rendere i dati aziendali “pronti per l’agente” attraverso architetture ricercabili e sensibili al contesto che sostituiranno le tradizionali e rigide pipeline ETL”. Questo cambiamento è necessario per consentire “un’esperienza utente iperpersonalizzata e trasformata perché gli agenti possono sempre accedere al contesto giusto”.
“In definitiva, il prossimo anno non riguarda la corsa verso modelli più grandi e nuovi; si tratta di costruire l’orchestrazione e l’infrastruttura dei dati che consentano ai sistemi ad agenti di livello produttivo di prosperare”, conclude Hsiao.
Salesforce è uno sponsor chiave di quest’anno IA e Big Data a livello globale a Londra e avrà una serie di relatori, tra cui Franny Hsiao, che condivideranno le loro intuizioni durante l’evento. Assicurati di passare allo stand di Salesforce presso lo stand n. 163 per ulteriori informazioni dagli esperti dell’azienda.
Vedi anche: Databricks: l’adozione dell’intelligenza artificiale aziendale si sposta verso i sistemi ad agenti
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
