23/07/2025

digital

L'era degli agenti AI: innovazione, altro che moda

Hussain (Oracle): Agentic AI permette grande automazione e controllo, ma solo se usata bene

L'intelligenza artificiale è qualcosa di dirompente, ma è evidente che è una materia da maneggiare con attenzione. Abbiamo incontrato Hammad Hussain, AI stategist and Sales di Oracle per il mercato europeo, per cercare di comprendere come si sta evolvendo il mercato e come le aziende si stanno muovendo e interrogando intorno all'automazione.

Siamo davvero nell'era degli agenti AI?

Siamo indubbiamente entrati nell'"era degli agenti". Tuttavia, esiste una dicotomia tra la percezione e la realtà dell'implementazione. Nonostante il fervore attorno agli agenti, molte aziende non li hanno ancora implementati realmente. Spesso, quelle che ritengono di utilizzare agenti stanno in realtà sfruttando buone casistiche d'uso di intelligenza artificiale generativa, ma non veri "agenti".

Come definirebbe un vero agente AI?

Un agente si definisce come un programma a cui è stata data "agency" o controllo. Non è semplice automazione; deve essere in grado di svolgere pianificazione, strategia ed esecuzione, potenzialmente con o senza il permesso umano. Molti clienti si trovano in quella che definisco il "purgatorio del pilota", dove i casi d'uso dell'AI o degli agenti non sono ancora passati alla produzione. Ritengo che il "come" implementare sia più importante del "cosa" possono fare gli agenti.

Qual è la strategia di Oracle per gli agenti AI?

La strategia AI di Oracle è focalizzata sull'aiutare i clienti a scalare più velocemente, sia con l'AI che con gli agenti. Il nostro prodotto di punta in questo ambito è Fusion AI Studio, progettato per accelerare la scalabilità degli agenti. Lo paragonerei a uno strumento per creare "stagisti" o "dipendenti digitali": devono essere guidati ma possono lavorare autonomamente.

Quali sono i vantaggi principali di Fusion AI Studio?

Fusion AI Studio offre diversi vantaggi chiave. Prima di tutto, l'integrazione nativa nelle applicazioni Fusion di Oracle, eliminando la necessità di spostare dati. Poi l'accesso ai dati contestualizzati direttamente dagli oggetti all'interno di Fusion. Un altro aspetto fondamentale è la possibilità di creazione da parte degli utenti aziendali, che possono sviluppare i propri agenti senza attendere il reparto IT. Infine, il sistema permette l'approvazione umana, essenziale per mantenere il controllo.

Servono competenze tecniche avanzate per usare questi strumenti?

Le competenze richieste sono minime. Essendo nativo e integrato in Fusion, gli utenti necessitano solo di alcuni video esplicativi e della comprensione di concetti base come gli "oggetti aziendali". Lo studio stesso può generare prompt basati sulla descrizione dell'utente, riducendo la necessità di una profonda comprensione tecnica. Un nostro punto di forza è la disponibilità di centinaia di modelli pre-costruiti, che permettono di iniziare rapidamente.

Può farci un esempio concreto di applicazione?

Un esempio è il "consulente per i benefici", un modello che, con piccole modifiche, può rispondere a domande sui benefici aziendali in pochi minuti anziché giorni. L'ho sperimentato personalmente e la differenza in termini di velocità di implementazione è notevole.

Ci sono casi di successo significativi che può condividere?

Abbiamo diversi casi di successo impressionanti. Un rivenditore nel Regno Unito ha risparmiato migliaia di ore implementando un agente che rispondeva a domande complesse basate su documenti per i responsabili di negozio, con un risparmio di circa 8.000 ore per oltre 2.000 negozi. Un altro esempio è un produttore di hard disk che ha migliorato la previsione delle scorte e il tempo di arrivo dei componenti dal 64% al 93%, con un impatto economico significativo. Questi risultati dimostrano il potenziale concreto degli agenti quando implementati correttamente.

Come affrontate la questione del controllo umano nelle decisioni critiche?

È fondamentale valutare il rischio e la materialità di ogni caso d'uso dell'agente. Per compiti a basso rischio, come rispondere a domande basate su documenti politici, i benefici sono alti e i rischi bassi. Per scenari ad alto rischio, come l'automazione completa delle decisioni di assunzione, l'impatto è significativo e potrebbe contravvenire a normative come quelle dell'UE sull'AI. La mia raccomandazione è chiara: per situazioni ad alto rischio con impatto materiale elevato, è essenziale mantenere un essere umano nel ciclo decisionale.

Come misurate il successo dell'implementazione degli agenti AI?

Riconosco una "dissonanza" tra la grande promessa dell'AI e la sua implementazione pratica, dovuta in parte all'incapacità di scalare oltre i piloti. Per mantenere lo slancio, ci concentriamo su due aspetti: rendere facile la scalabilità e misurare l'impatto dell'AI sugli esiti di business. È fondamentale definire chiaramente l'esito atteso prima dell'implementazione, che sia l'aumento della produttività o la riduzione dei tempi di assunzione. Il processo dovrebbe includere un chiaro obiettivo di business, un piano per misurare l'impatto e un'iterazione costante per affinare l'agente. Una volta in produzione, è necessario valutare e perfezionare costantemente i risultati.

Qual è la posizione di Oracle riguardo ai Large Language Models?

Oracle, essendo un'azienda leader nell'infrastruttura con data center ottimizzati per l'AI, ha una strategia chiara: non creare i propri LLM. Preferiamo collaborare con tutti i fornitori di LLM per offrire una scelta ampia agli utenti aziendali. I motivi sono principalmente due: nessun LLM è ottimale per ogni cosa, dato che esistono diversi tipi adatti a diverse casistiche d'uso, e vogliamo evitare quella che chiamo la "guerra degli LLM". Preferiamo beneficiare dell'innovazione dell'intero ecosistema piuttosto che investire massicce risorse nello sviluppo di un nostro modello. Offriamo tutti gli LLM desiderati dalle aziende, alcuni ottimizzati per Oracle (come Cohere, Llama, OpenAI) e altri come servizio. Questa strategia "agnostica" rispetto agli LLM sta avendo un grande successo per noi.