WEBVTT

00:00:00.000 --> 00:00:04.860
Il tuo copilota non è intelligente. È un elegante stagista con il badge Microsoft e il completamento

00:00:04.860 --> 00:00:09.280
automatico, che sembra sicuro di sé mentre è completamente perso. L'amministratore medio lo

00:00:09.280 --> 00:00:13.200
installa, pone una domanda ambiziosa come, riassumi le vendite dell'ultimo trimestre

00:00:13.200 --> 00:00:17.440
nelle diverse regioni, e poi si mostra sorpreso quando risponde con qualsiasi cosa rientri nella

00:00:17.440 --> 00:00:21.560
sua limitata finestra di contesto. Questa non è un'intuizione, è una congettura statistica

00:00:21.560 --> 00:00:26.180
espressa in tono amichevole. Vedi, quasi tutti i cosiddetti copiloti IA si basano sulla generazione

00:00:26.180 --> 00:00:30.760
aumentata dal recupero o rag. In teoria, è geniale. Fai una domanda. Lui cerca in una

00:00:30.760 --> 00:00:34.080
knowledge base, prende i pezzi rilevanti e li incolla al tuo prompt in modo che il modello

00:00:34.080 --> 00:00:38.140
linguistico sembri informato. In pratica, è come chiedere a un'unica bibliotecaria tutta

00:00:38.140 --> 00:00:42.080
la conoscenza umana. Corre lungo una corsia, prende tre libri a caso e urla la risposta mentre

00:00:42.080 --> 00:00:46.680
torna indietro di corsa. Una query, un recupero, una possibilità di sbagliare. Confrontiamo ora

00:00:46.680 --> 00:00:51.500
questo con il funzionamento delle decisioni aziendali. Ti serve mai un solo dato? No. Ti servono

00:00:51.500 --> 00:00:55.500
il foglio di calcolo della finanza, il report di ricerca di SharePoint, il data warehouse delle

00:00:55.500 --> 00:00:58.820
metriche in Microsoft Fabric e solitamente alcuni dati di mercato esterni che non sono

00:00:58.820 --> 00:01:02.660
nemmeno nella tua locazione. Il classico rag crolla nel momento in cui la tua verità risiede

00:01:02.660 --> 00:01:06.640
in più di un posto. Non può pianificare più ricerche. Non può convalidare le contraddizioni

00:01:06.640 --> 00:01:10.120
e di certo non può capire che le prestazioni trimestrali hanno significati diversi per

00:01:10.120 --> 00:01:14.100
il marketing e la produzione. Eppure, le persone continuano a definire intelligenti questi

00:01:14.100 --> 00:01:18.960
sistemi. Sbagliato. Sono turisti del contesto. Visitano il tuo patrimonio di dati, scattano qualche

00:01:18.960 --> 00:01:23.320
selfie con i PDF e fingono di conoscere la città. Nel frattempo, l'amministratore medio crede onestamente

00:01:23.320 --> 00:01:26.780
che il copilota abbia accesso onnisciente a ogni cartella di SharePoint. Non è così.

00:01:26.980 --> 00:01:31.300
A meno che tu non crei connettori e ragionatori espliciti, opera alla cieca. Questo non è

00:01:31.300 --> 00:01:35.280
solo inefficiente, è pericoloso. Senza il recupero agentico, le aziende annegano nella

00:01:35.280 --> 00:01:39.700
frammentazione del contesto. Le decisioni vengono prese su dati parziali. I rischi di conformità

00:01:39.700 --> 00:01:43.460
passano inosservati. I team inseguono intuizioni allucinate prodotte da un modello che non si

00:01:43.460 --> 00:01:47.360
è mai preso la briga di ricontrollare se stesso. L'ironia? La soluzione esiste già.

00:01:47.540 --> 00:01:51.280
Ecco agenti Krag. Non si limita a recuperare informazioni, le elabora.

00:01:51.280 --> 00:01:54.940
Pianifica. Esegue verifiche incrociate e ragiona come un team di ricerca digitale.

00:01:55.080 --> 00:01:58.740
Alla fine di questo episodio, saprai esattamente come far sì che il tuo copilota smetta di comportarsi

00:01:58.740 --> 00:02:02.600
come un pappagallo e inizia a comportarsi come uno scienziato. E sì, ci sono quattro passaggi.

00:02:02.860 --> 00:02:07.280
Sistemeremo il tuo stupido copilota in quattro passaggi precisi. Il mito del rag, perché l'intelligenza

00:02:07.280 --> 00:02:12.400
lineare fallisce. Bene, analizziamo il mito. La generazione aumentata del recupero sembra sofisticata,

00:02:12.620 --> 00:02:16.740
ma in realtà è brutalmente lineare. Passaggio 1. Recupera alcune sezioni di testo in base alla

00:02:16.740 --> 00:02:21.020
similarità vettoriale. Passaggio 2. Inserisci quelle sezioni nel prompt. Passaggio 3.

00:02:21.020 --> 00:02:25.380
genera una risposta e dichiara vittoria. Tutto qui. Nessuna memoria di ricerche precedenti.

00:02:25.680 --> 00:02:29.120
Nessun ragionamento sulle contraddizioni. Nessun riconoscimento del contesto dell'utente.

00:02:29.240 --> 00:02:33.400
È una linea retta dalla query alla risposta. Un join SQL glorificato scritto in inglese.

00:02:33.520 --> 00:02:37.140
Il problema inizia nel momento in cui la realtà diventa caotica. Diciamo che chiedi.

00:02:37.460 --> 00:02:41.580
Confronta l'affidabilità dei nostri dispositivi. Un sistema RUG standard raggiunge un indice.

00:02:41.900 --> 00:02:45.340
Prende qualsiasi documento che menzioni l'affidabilità e sputa fuori un riepilogo.

00:02:45.340 --> 00:02:49.200
Ha controllato i registri di produzione in Fabric? Ha letto quel nuovo report di test

00:02:49.200 --> 00:02:54.040
sepolto in SharePoint? Ha convalidato i dati esterni dal web? Ovviamente no. Non sa nemmeno

00:02:54.040 --> 00:02:58.560
che quelle fonti esistono. Si limita a dipingere l'incertezza con eloquenza. Pensa a un'analogia

00:02:58.560 --> 00:03:03.220
con una biblioteca diventata tragica. Entri e chiedi a una bibliotecaria dell'economia globale.

00:03:03.420 --> 00:03:07.980
Lei corre verso uno scaffale con l'etichetta. Economia? Ti porge un libro a caso sul cambio valuta

00:03:07.980 --> 00:03:12.180
del 2012 e dichiara che la domanda è risolta. Un buon servizio clienti. Una borsa di studio

00:03:12.180 --> 00:03:15.900
terribile. La vera intelligence recluterebbe più bibliotecari. Uno per la finanza, uno per

00:03:15.900 --> 00:03:19.760
la storia, uno per la politica e poi sintetizzerebbe le loro scoperte. Questa è la differenza tra

00:03:19.760 --> 00:03:24.040
recupero e ragionamento. Nelle aziende questo fallimento si moltiplica. Una singola domanda

00:03:24.040 --> 00:03:28.140
esecutiva spesso tocca decine di sistemi. Documenti di SharePoint, set di dati di Power

00:03:28.140 --> 00:03:33.400
B, tabelle di Azure SQL, thread di posta elettronica. Il classico raga appiattisce tutta quella complessità

00:03:33.400 --> 00:03:38.820
in un unico salto. Il risultato? Risultati incoerenti, riepilobi superficiali e dati allucinati

00:03:38.820 --> 00:03:43.840
formulati condizione sicura. Conformità normativa? Dimenticatela. Quando il modello attinge da

00:03:43.840 --> 00:03:47.240
qualsiasi testo per trovare una corrispondenza vettoriale, si perde la provenienza. Provate

00:03:47.240 --> 00:03:51.160
a spiegarlo al vostro comitato di revisione. Eppure, il marketing attorno a Copilot lo fa

00:03:51.160 --> 00:03:54.840
sembrare onnipotente. Il sussuolo della brochure è, chiedi qualsiasi cosa, Copilot conosce

00:03:54.840 --> 00:03:59.140
il tuo settore. No, non è così. Esegue il recupero del testo con amnesia. Non è in grado

00:03:59.140 --> 00:04:03.360
di pianificare, riflettere o verificare. Non sa quale sito di SharePoint contiene il documento

00:04:03.360 --> 00:04:07.800
giusto o se il magazzino fabbrica è sincronizzato. Ma poiché la formulazione è fluida, i dirigenti

00:04:07.800 --> 00:04:11.580
presumono comprensione laddove c'è solo correlazione. Questa illusione di intelligenza

00:04:11.580 --> 00:04:15.420
è ciò a cui le aziende stanno credendo. Una costosa coperta di pelusci in tessuta di

00:04:15.420 --> 00:04:19.100
distribuzioni di probabilità. Festeggiano quando Copilot scrive correttamente una bozza

00:04:19.100 --> 00:04:23.180
di email, ignorando che ha completamente frainteso i dati di origine. Si vantano di informazioni

00:04:23.180 --> 00:04:26.620
basate sull'intelligenza artificiale, senza rendersi conto che tali informazioni sono assemblate

00:04:26.620 --> 00:04:30.300
da contesti non corrispondenti e istantanei e parziali. Ecco le conseguenze economiche.

00:04:30.300 --> 00:04:35.440
Ogni report riassunto male, ogni KPI allucinato, si trasforma in decisioni sbagliate. I progetti

00:04:35.440 --> 00:04:39.740
si basano sulla finzione. I team di conformità inseguono i fantasmi. E quando la realtà si

00:04:39.740 --> 00:04:43.660
fa sentire, quando le informazioni inventate falliscono nella produzione, la colpa ricade

00:04:43.660 --> 00:04:46.980
sui limiti dell'intelligenza artificiale, non sull'architettura pigra che ha garantito

00:04:46.980 --> 00:04:50.700
il fallimento. La verità è che l'intelligenza lineare fallisce perché le aziende non sono

00:04:50.700 --> 00:04:55.340
lineari. I dati sono distribuiti, contestuali e spesso contraddittori. Una pipeline fissa con

00:04:55.340 --> 00:04:59.180
una query non può adattarsi a quell'ambiente più di quanto un singolo neurone possa pensare.

00:04:59.400 --> 00:05:03.360
Non ti serve un prompt migliore. Ti serve un sistema che sappia pianificare. Uno che possa

00:05:03.360 --> 00:05:07.400
decidere quali servizi utilizzare in quale ordine e come verificare il risultato. Quindi,

00:05:07.660 --> 00:05:11.540
come insegniamo a Copilot a operare come un team di ricerca anziché come un pappagallo?

00:05:11.700 --> 00:05:16.340
È qui che entra in gioco Agentic RUG, il salto evolutivo dal recupero reattivo al ragionamento

00:05:16.340 --> 00:05:20.760
proattivo. Aggiunge livelli di pianificazione, retriever specializzati e cicli di verifica.

00:05:20.940 --> 00:05:24.920
In altre parole, smette di fingere di essere intelligente e impara finalmente a pensare.

00:05:25.080 --> 00:05:30.100
Ecco Agentic RUG, dalla ricerca al ragionamento. Ecco dove passiamo dal trucco all'intelligenza.

00:05:30.100 --> 00:05:34.140
Agentic RUG non è un'altra parola d'ordine. È la facoltà mancante di cui il tuo copilot è privo

00:05:34.140 --> 00:05:37.840
dalla nascita, la funzione esecutiva. Pensa a come RUG che ha sviluppato una corteccia

00:05:37.840 --> 00:05:42.300
prefrontale. Invece di eseguire una query e incrociare le dita digitali, suddivide un

00:05:42.300 --> 00:05:46.840
problema in parti, assegna compiti a diversi agenti specializzati, verifica il loro lavoro

00:05:46.840 --> 00:05:51.520
e quindi sintetizza il risultato. In breve, converte i modelli linguistici da pappagalli in

00:05:51.520 --> 00:05:56.460
pianificatori. Meccanicamente, Agentic RUG opera tramite un'orchestrazione multiagente basata

00:05:56.460 --> 00:06:01.200
su Azure Eye Agent Service. Immagina tre ruoli in movimento. Innanzitutto, il pianificatore,

00:06:01.420 --> 00:06:05.580
una sorta di project manager digitale. Il planner legge la tua query e decide quali strumenti

00:06:05.580 --> 00:06:10.060
o fonti di dati sono rilevanti. Poi intervengono gli agenti retriever, esperti di dominio formati

00:06:10.060 --> 00:06:14.320
per accedere a dati strutturati o non strutturati. Infine, l'agente verificatore o ragionatore,

00:06:14.640 --> 00:06:19.060
che funge da caporedattore, verifica la coerenza, convalida le citazioni e compila la risposta

00:06:19.060 --> 00:06:22.760
finale. Insieme, eseguono quello che chiamiamo un ciclo di ragionamento adattivo.

00:06:22.760 --> 00:06:27.600
eseguono query, recuperano, convalidano, perfezionano e agiscono. La parola chiave è

00:06:27.600 --> 00:06:32.360
adattivo. A differenza del rag standard, questo ciclo non termina al primo output. Reindirizza

00:06:32.360 --> 00:06:36.980
quando compaiono contraddizioni. Confronta questa danza orchestrata con una redazione. Il planner

00:06:36.980 --> 00:06:41.740
è il caporedattore che assegna i ritmi. Controlli SharePoint per i report interni. Estrai le

00:06:41.740 --> 00:06:46.560
metriche dei sensori da Fabric. Scansiona in web per i dati concorrenti. Ogni agente retriever

00:06:46.560 --> 00:06:50.780
recupera la sua parte. Il verificatore verifica i fatti della bozza combinata. Riesegue le query

00:06:50.780 --> 00:06:54.180
se le citazioni sono in conflitto e solo allora pubblica il riepilogo. Il risultato

00:06:54.180 --> 00:06:57.920
non è un ammasso di testo che sembra semplicemente plausibile. Si tratta di informazioni coerenti

00:06:57.920 --> 00:07:01.560
e basate su prove. Il salto in avanti qui non riguarda modelli più grandi, ma ragionamenti

00:07:01.560 --> 00:07:05.300
strutturati. Approfondiamo ulteriormente il cervello del planner. Interpreta la tua domanda

00:07:05.300 --> 00:07:09.180
in inglese semplice in una mappa delle attività. Quali retriever utilizzare? In quale ordine

00:07:09.180 --> 00:07:13.520
eseguirli e come i risultati dovrebbero essere uniti? È qui che il servizio Azure Agent Service

00:07:13.520 --> 00:07:18.320
si guadagna la sua esistenza. Fornisce il livello di orchestrazione che consente a questi agenti

00:07:18.320 --> 00:07:23.480
di comunicare. Microservizi che comunicano tramite app gestite dall'autenticazione Microsoft

00:07:23.480 --> 00:07:27.680
Entra, non congetture. Ora, per quanto riguarda la sicurezza. Perché il responsabile della

00:07:27.680 --> 00:07:31.340
conformità medio sta già cercando di premere il pulsante del panico? Agneti Krag non prende

00:07:31.340 --> 00:07:35.980
scorciatoie. È costruito per conto dell'autenticazione, il che significa che la tua identità viaggia

00:07:35.980 --> 00:07:40.480
con la richiesta. Il sistema non si spaccia per te. Utilizza il tuo token verificato per recuperare

00:07:40.480 --> 00:07:45.820
solo ciò che hai l'autorizzazione a vedere. La sicurezza a livello di riga RLS e di colonna CLS

00:07:45.820 --> 00:07:50.100
è integrata. L'AI non può rivelare per errore le previsioni del CFO a uno stagista. Ogni

00:07:50.100 --> 00:07:54.240
chiamata di recupero viene registrata, verificabile e reversibile. Ciò è importante perché Static

00:07:54.240 --> 00:07:57.840
Krag non ha alcun concetto di contesto utente. Acquisisce tutto ciò che consente il suo livello

00:07:57.840 --> 00:08:01.060
di ricerca. Spesso aggirando completamente l'impalcatura delle autorizzazioni dell'azienda.

00:08:01.260 --> 00:08:05.220
Agenti Krag ripristina tale disciplina. Quando il Fabric Retriever esegue una query su una

00:08:05.220 --> 00:08:09.340
tabella Lake House, applica le stesse regole RLS a cui obbediscono i dashboard B. Quando

00:08:09.340 --> 00:08:13.920
l'agente SharePoint fruga nelle raccolte documenti, rispetta le autorizzazioni a livello di sito

00:08:13.920 --> 00:08:18.500
e le etichette Microsoft Purview. Quindi, le policy che tutelano gli utenti umani proteggono

00:08:18.500 --> 00:08:22.580
ora anche gli AI. Riportiamo tutto questo alla realtà del flusso di lavoro. Supponiamo

00:08:22.580 --> 00:08:26.660
che la domanda sia, quale intervallo di glucosio il prodotto ha prestazioni inferiori rispetto

00:08:26.660 --> 00:08:30.680
al prodotto B e qual è l'impatto clinico? Standard RUG scaricherà tutti gli snippet che

00:08:30.680 --> 00:08:32.320
menzionano il prodotto A e il glucosio.

00:08:32.500 --> 00:08:37.360
Agenti Krag, basato su Azure Agent Service, farebbe innanzitutto in modo che il suo pianificatore

00:08:37.360 --> 00:08:41.700
identifichi tre fronti di recupero. Fabric per i dati dei sensori, SharePoint per le note cliniche

00:08:41.700 --> 00:08:45.780
e Bing per le pubblicazioni esterne. Ogni agente Retriever apporta prove rilevanti.

00:08:45.960 --> 00:08:51.400
Il verificatore confronta i set di dati, segnala le discrepanze e, se necessario, perfeziona

00:08:51.400 --> 00:08:55.760
la query fabbrico originale. Solo dopo la convalida sintetizza l'intuizione finale con

00:08:55.760 --> 00:09:00.500
le citazioni intatte. Questo è il ragionamento iterativo in azione. Reactive RUG si interrompe

00:09:00.500 --> 00:09:05.000
dopo il primo passaggio. Agenti Krag apprende e si adatta a metà conversazione. Può scomporre

00:09:05.000 --> 00:09:09.420
automaticamente le domande di follow-up. Chiede, possiamo migliorare l'accuratezza utilizzando

00:09:09.420 --> 00:09:13.620
studi recenti. E gli stessi agenti si spostano per recuperare materiali emergenti senza perdere

00:09:13.620 --> 00:09:17.840
il contesto. È comprensione continua, non perdita di memoria episodica. Il vantaggio

00:09:17.840 --> 00:09:21.120
della conformità è enorme. Ogni azione dell'agente è tracciabile nei registri di

00:09:21.120 --> 00:09:25.300
controllo. Ogni token autenticato, ogni tocco di documento registrato. Si ottiene l'illusione

00:09:25.300 --> 00:09:29.200
dell'onniscienza con la documentazione della prudenza. Qualcosa che i revisori adorano.

00:09:29.380 --> 00:09:33.600
Quindi, il cambiamento filosofico è questo. Il recupero da solo fornisce informazioni.

00:09:33.800 --> 00:09:38.520
L'agenzia converte tali informazioni in processi. Introducendo pianificazione, specializzazione

00:09:38.520 --> 00:09:42.460
e verifica, Azure Agent Service trasforma i pool di dati casuali in catene di ragionamento

00:09:42.460 --> 00:09:46.360
responsabili. Nel mondo aziendale, questa è la differenza tra un assistente di cui ti

00:09:46.360 --> 00:09:49.820
fidi e uno che disabiliti silenziosamente. Ora che il nostro copilota ha un cervello

00:09:49.820 --> 00:09:53.940
funzionante, è il momento di dargli una memoria adeguata. In altre parole, diamogli un posto

00:09:53.940 --> 00:09:57.260
sostanziale in cui cercare, iniziando dal caos non strutturato di SharePoint.

00:09:57.500 --> 00:10:01.900
Integrare SharePoint, trasformare il caos in conoscenza. SharePoint è il luogo in cui la conoscenza

00:10:01.900 --> 00:10:05.780
aziendale va a nascondersi. Ogni azienda ne ha uno. Un sito archeologico di PowerPoint,

00:10:05.780 --> 00:10:10.320
appunti di riunioni, specifiche obsolete e documenti denominati Final V12, in realtà

00:10:10.320 --> 00:10:15.460
Final. E per gli umani è caos. Per un ingenuo sistema RAG è caos illeggibile. La ricerca

00:10:15.460 --> 00:10:19.140
per parole chiave restituisce diligentemente mille risultati, la maggior parte dei quali

00:10:19.140 --> 00:10:22.840
irrilevanti, e l'utente medio scorre finché il morale non migliora. Poi chiede aiuto a

00:10:22.840 --> 00:10:27.400
Copilot e Copilot riassume prontamente il decennio sbagliato. Agenti, RAG tratta SharePoint

00:10:27.400 --> 00:10:32.180
in modo diverso, non come una libreria, ma come un substrato di conoscenza. Sa che sepolte

00:10:32.180 --> 00:10:36.060
all'interno di quelle cartelle ci sono le informazioni qualitative che le tabelle strutturate

00:10:36.060 --> 00:10:41.140
del tessuto non cattureranno mai. Contesto, decisioni, motivazioni. Quindi, invece di

00:10:41.140 --> 00:10:44.600
eseguire una singola scansione di parole chiave, l'agente SharePoint Retriever utilizza

00:10:44.600 --> 00:10:48.560
incorporamenti semantici e ricerche vettoriali per mappare il significato, non solo il testo.

00:10:48.680 --> 00:10:52.640
Chiedi informazioni sull'affidabilità del prodotto in ambienti umidi e non si fissa su

00:10:52.640 --> 00:10:57.960
quelle esatte parole. Nota documenti che discutono modalità di guasto, resistenza alla condensa e

00:10:57.960 --> 00:11:02.800
prestazioni adesive. Riconosce l'intento. Ecco dove la consapevolezza delle autorizzazioni

00:11:02.800 --> 00:11:07.460
diventa la funzionalità decisiva. Ogni sito SharePoint ha la sua intricata rete di autorizzazioni,

00:11:07.760 --> 00:11:12.820
team, sottositi, cartelle riservate. Un crawler stupido ignora tutto ciò e fa emergere accidentalmente

00:11:12.820 --> 00:11:17.080
reclami delle risorse umane in un report di marketing. Il modello Agenti, tuttavia, esegue

00:11:17.080 --> 00:11:21.100
l'autenticazione per tuo conto, ereditando il tuo esatto contesto di sicurezza. Può leggere solo

00:11:21.100 --> 00:11:25.200
ciò che sei autorizzato a vedere. L'output viene automaticamente ridotto dai criteri. Riduzione

00:11:25.200 --> 00:11:29.300
di sicurezza. Per gentile concessione di Microsoft entra e delle etichette purviu. Quindi l'intelligenza

00:11:29.300 --> 00:11:33.840
dell'IA non supera mai la sua autorizzazione. Eseguiamo uno scenario pratico. Un responsabile

00:11:33.840 --> 00:11:37.900
R&S digita un riepilogo delle differenze di prestazioni del prodotto a nei climi costieri.

00:11:38.060 --> 00:11:42.480
Il pianificatore lo divide in sotto incarichi. Un fabric retriever si prepara ad analizzare i dati

00:11:42.480 --> 00:11:46.360
numerici dei sensori, mentre l'agente SharePoint si immerge in documenti di ricerca interni,

00:11:46.580 --> 00:11:50.040
registri di manutenzione e note tecniche contrassegnati con termini correlati all'umidità.

00:11:50.040 --> 00:11:54.640
Trova un rapporto di test sul campo del 2023, un thread di discussione sulla corrosione

00:11:54.640 --> 00:11:58.340
dei materiali e un documento di sintesi dei risultati del team di affidabilità. Ogni

00:11:58.340 --> 00:12:02.820
documento viene valutato tramite vettori per la pertinenza semantica, recuperato e passato

00:12:02.820 --> 00:12:07.000
all'agente verificatore. Tale verificatore verifica incrociata quei risultati qualitativi

00:12:07.000 --> 00:12:11.760
con i numeri di fabric. Se emergono contraddizioni, ad esempio un documento obsoleto che dichiara

00:12:11.760 --> 00:12:16.200
una corrosione minima, segnala l'incoerenza e richiede dati più recenti. La risposta sintetizzata

00:12:16.200 --> 00:12:20.460
finale indica al responsabile R&S esattamente quali assemblaggi si degradano in condizioni di

00:12:20.460 --> 00:12:24.420
elevata umidità e cita le fonti convalidate. Ciò che prima richiedeva diverse ore di scavo

00:12:24.420 --> 00:12:28.800
manuale ora si riduce a un ciclo di ragionamento continuo. SharePoint passa da un riposito

00:12:28.800 --> 00:12:33.920
ripassivo a un'intelligenza aziendale partecipante attiva, essenzialmente una memoria neurale delle

00:12:33.920 --> 00:12:38.360
decisioni aziendali. Il livello Argenti-Krag non si limita a leggere i documenti, ma prende

00:12:38.360 --> 00:12:43.100
relazioni, discendenza di progetti, tendenze di paternità, cluster contestuali e può inserirli

00:12:43.100 --> 00:12:47.040
in argomentazioni coerenti. I responsabili della conformità potrebbero ancora sussultare

00:12:47.040 --> 00:12:51.620
udendo recupero autonomo. Rilassatevi. Ogni query e ogni tocco sui documenti vengono registrati,

00:12:51.620 --> 00:12:56.800
le piste di controllo rimangono intatte. I quadri normativi come ISO 27001 e GDPR dipendono

00:12:56.800 --> 00:13:00.580
dalla responsabilità e questo sistema li fornisce automaticamente. L'agente può persino

00:13:00.580 --> 00:13:04.700
allegare metadati citando il percorso del documento e il timestamp di accesso a ogni frase generata.

00:13:04.860 --> 00:13:07.880
Ciò significa che ogni affermazione fatta dall'intelligenza artificiale può essere

00:13:07.880 --> 00:13:11.180
ricondotta a una versione specifica di un file, non ripudio per i robot. In breve,

00:13:11.500 --> 00:13:15.620
l'integrazione di SharePoint in Argenti-Krag trasforma il caos dei contenuti in una coreografia

00:13:15.620 --> 00:13:19.400
di conoscenza. Il tuo passato non strutturato diventa ricercabile in base al significato,

00:13:19.400 --> 00:13:23.140
protetto da policy e convalidato tramite riferimenti incrociati. SharePoint smette

00:13:23.140 --> 00:13:26.980
di essere una soffitta digitale e diventa un'infrastruttura cognitiva. Ma il contesto

00:13:26.980 --> 00:13:30.860
qualitativo è solo metà del cervello. L'altra metà, la verità della struttura numerica,

00:13:31.220 --> 00:13:34.840
risiede all'interno di Microsoft Fabric ed è lì che andiamo. Microsoft Fabric,

00:13:35.060 --> 00:13:38.980
la controparte strutturata. Benvenuti nell'altro emisfero del cervello aziendale,

00:13:39.160 --> 00:13:42.480
il lato strutturato. Se SharePoint archivia le vostre conoscenze tribali,

00:13:42.760 --> 00:13:47.220
Microsoft Fabric custodisce la vostra verità empirica. È la spina dorsale di analisi unificata in cui

00:13:47.220 --> 00:13:51.200
numeri, modelli e flussi di eventi convergono in qualcosa che si avvicina alla coerenza. La

00:13:51.200 --> 00:13:54.580
maggior parte delle organizzazioni lo tratta come un data warehouse. In agenti,

00:13:54.660 --> 00:13:59.020
Krag diventa un substrato di ragionamento. Ecco il ruolo che svolge Fabric, precisione.

00:13:59.180 --> 00:14:03.360
Non parla di aneddoti, parla di telemetria, transazioni e serie temporali. All'interno

00:14:03.360 --> 00:14:07.660
di Fabric vivono il lake house, il warehouse e il modello semantico, ognuno un diverso dialetto

00:14:07.660 --> 00:14:12.220
di struttura. Un agente dati Fabric integrato nel servizio agente Azure AI traduce il linguaggio

00:14:12.220 --> 00:14:16.140
naturale in query strutturate che attraversano quei livelli in modo sicuro. Chiedete,

00:14:16.140 --> 00:14:19.760
mostrate la varianza di rendimento trimestrale per il prodotto a in base alla regione e crea

00:14:19.760 --> 00:14:24.080
silenziosamente una query ottimizzata di tipo SQL che punta alle tabelle e alle partizioni giuste,

00:14:24.280 --> 00:14:28.720
eseguendo in base al vostro contesto autenticato. Nessun prompt, nessuno strumento di Power B,

00:14:28.920 --> 00:14:32.700
intelligenza gestita direttamente. Ora, l'accesso non elaborato ai numeri è privo di senso senza

00:14:32.700 --> 00:14:36.700
protezione. Quindi la sicurezza asiatica di Fabric non è un'opzione, è un'architettura. Ogni

00:14:36.700 --> 00:14:42.100
interazione è crittografata e autenticata tramite Microsoft Entra ID, garantendo che la gente operi con

00:14:42.100 --> 00:14:46.040
il token utente verificato. Ricordi il caos delle scorciatoie del principale servizio che

00:14:46.040 --> 00:14:50.340
ignorano la sicurezza a livello di riga. Sono vietate qui. Il flusso per conto di trasporta

00:14:50.340 --> 00:14:56.200
la tua identità end-to-end, applicando automaticamente la sicurezza RLS a livello di colonna. Se la finanza

00:14:56.200 --> 00:15:01.200
segna una colonna come riservata, l'IA non la vede mai e ogni esecuzione lascia tracce nei log di

00:15:01.200 --> 00:15:06.540
Fabric, soddisfacendo i revisori che leggono i log. Oltre a ciò, c'è la governance di Purview. Le

00:15:06.540 --> 00:15:10.860
etichette di riservatezza viaggiano con i dati, riservate, solo per uso interno, con restrizioni

00:15:10.860 --> 00:15:15.000
all'esportazione. Quando l'agente dati di Fabric compone una query utilizzando tali campi, i criteri

00:15:15.000 --> 00:15:18.760
vengono intercettati all'istante. I tentativi di violazione attivano l'applicazione di LP prima che

00:15:18.760 --> 00:15:21.940
un singolo byte sfuga. È essenzialmente una protezione per bambini di livello aziendale per

00:15:21.940 --> 00:15:25.340
l'intelligenza artificiale. Il modello può esplorare ma non folgorare se stesso. Quindi,

00:15:25.540 --> 00:15:29.020
cosa succede quando combiniamo questa disciplina strutturata con l'intuizione disordinata di

00:15:29.020 --> 00:15:34.340
SharePoint? Il servizio Azure Eye Agent lo orchestra. Immagina un'aula di tribunale. L'agente Fabric

00:15:34.340 --> 00:15:39.480
fornisce prove concrete, grafici, conteggi, medie dei sensori, mentre l'agente SharePoint fornisce le

00:15:39.480 --> 00:15:44.060
testimonianze dei testimoni. L'agente verificatore le esamina in modo incrociato, assicurandosi che i numeri

00:15:44.060 --> 00:15:47.820
le narrazioni siano allineati prima di presentare il verdetto come una risposta unificata e ricca di

00:15:47.820 --> 00:15:52.340
citazioni. Facciamo un esempio. Un responsabile delle operazioni chiede. Stiamo perdendo efficienza

00:15:52.340 --> 00:15:56.420
a causa di difetti di imballaggio. Il pianificatore invia l'agente Fabric per recuperare i tassi di

00:15:56.420 --> 00:16:00.080
resa per linea di produzione dal magazzino. Contemporaneamente, invia l'agente SharePoint

00:16:00.080 --> 00:16:03.900
per esaminare i registri di manutenzione e la corrispondenza con i fornitori. L'agente Fabric

00:16:03.900 --> 00:16:08.280
restituisce un set di dati che mostra cali minori correlati a picchi di umidità. L'agente SharePoint

00:16:08.280 --> 00:16:12.140
rileva un thread di posta elettronica che cita materiali di imballaggio deformati durante lo stesso

00:16:12.140 --> 00:16:16.080
periodo. Il verificatore corrobora entrambi. Etichetta la correlazione come credibile e il

00:16:16.080 --> 00:16:19.980
sistema redige una concisa conclusione completa di grafici quantitativi e documenti di riferimento.

00:16:20.300 --> 00:16:25.220
Diagnostica Six Sigma immediata senza analisti insonni. Dietro le quinte, il servizio agente

00:16:25.220 --> 00:16:29.180
Azure gestisce la concorrenza, raggruppando i recuperi tramite quella che è di fatto una

00:16:29.180 --> 00:16:33.220
mesh di microservizi. Ogni agente pubblica uno schema che descrive a cosa può accedere,

00:16:33.580 --> 00:16:38.540
schemi Fabric, metadati SharePoint o contesto web aperto di Bing. Il pianificatore sfrutta quel

00:16:38.540 --> 00:16:43.360
registro come una directory API. Il risultato è un'intelligenza modulare. Scambia o estendi gli

00:16:43.360 --> 00:16:46.940
agenti man mano che emergono nuovi domini di dati senza riscrivere l'intero copilot.

00:16:47.240 --> 00:16:51.720
Sulle prestazioni, l'innovazione non sono modelli più grandi, ma un recupero più smart. Il

00:16:51.720 --> 00:16:55.560
pianificatore può prima interrogare Fabric per definire i limiti numerici, quindi usarli per

00:16:55.560 --> 00:16:59.420
restringere l'esplorazione di SharePoint. Ciò riduce il rumore e accelera la convergenza.

00:16:59.660 --> 00:17:04.420
Consideralo come un'eliminazione dei dati tramite ragionamento. Invece di annegare in 10.000 documenti,

00:17:04.420 --> 00:17:08.360
il sistema sa quali 10 contano perché i numeri inquadrano già la domanda. I responsabili

00:17:08.360 --> 00:17:11.860
della conformità adorano questa configurazione perché la governance si adatta all'intelligenza.

00:17:12.040 --> 00:17:16.040
Ogni chiamata dell'agente viene registrata, ogni trasformazione è tracciabile. Quando il CFO

00:17:16.040 --> 00:17:19.960
chiede da dove viene questo numero, puoi puntare direttamente alla tabella Fabric,

00:17:20.200 --> 00:17:24.400
al timestamp e al token utente in esecuzione. Tale trasparenza trasforma la paura in fiducia,

00:17:24.700 --> 00:17:28.500
una valuta fondamentale in settori regolamentati come la finanza o l'assistenza sanitaria.

00:17:28.620 --> 00:17:32.600
Combinando queste proprietà, hai creato una sinfonia analitica, una precisione strutturata

00:17:32.600 --> 00:17:36.280
di fabbrica armonizzata con la comprensione contestuale di SharePoint. L'azienda passa

00:17:36.280 --> 00:17:40.500
dalla ricerca e dalla speranza al recupero, alla verifica e alla decisione. E sì, la velocità

00:17:40.500 --> 00:17:44.220
è sorprendente. Ora, combina questo richiamo multilivello con il ragionamento e ottieni

00:17:44.220 --> 00:17:48.940
velocità. Velocità terrificante. Il ciclo dalla ricerca alla decisione che un tempo richiedeva

00:17:48.940 --> 00:17:53.520
una sfilza di analisti ora si riduce a ore, il che ci porta direttamente al movimento finale.

00:17:53.900 --> 00:17:58.920
Impatto. L'impatto aziendale è da mesi a minuti. Parliamo di conseguenze, quelle positive.

00:17:58.920 --> 00:18:02.680
Quando esegui l'upgrade da un'analisi passiva a un'analisi agentica su fabbriche SharePoint,

00:18:02.940 --> 00:18:06.700
la tempistica aziendale media si piega. Ciò che richiedeva mesi di reporting si trasforma

00:18:06.700 --> 00:18:10.600
in minuti di sintesi verificata. L'intelligenza artificiale non aspetta più che gli esseri

00:18:10.600 --> 00:18:15.280
umani traducano le domande in query di dati. Esegue automaticamente tale traduzione, convalida

00:18:15.280 --> 00:18:20.540
e riepilogo. Considera R&S. I team erano soliti riunire comitati interfunzionali per allinearsi

00:18:20.540 --> 00:18:24.960
sui dati. Ingegneri che esportavano metriche di test, analisti che le pulivano, verificavano la

00:18:24.960 --> 00:18:28.500
conformità delle autorizzazioni e qualcuno che inevitabilmente rinominava i file in finale.

00:18:28.500 --> 00:18:33.180
Agentic Rug spezza quel ciclo. Il pianificatore orchestra agenti che recuperano simultaneamente

00:18:33.180 --> 00:18:36.560
le tabelle delle prestazioni di fabbriche e le note di progettazione di SharePoint. Le

00:18:36.560 --> 00:18:40.340
uniscono e redigono una sintesi convalidata completa di citazioni ed etichette di sicurezza.

00:18:40.560 --> 00:18:45.720
Latenza decisionale quasi zero. La conformità e l'audit subiscono onde d'urto simili. Gli

00:18:45.720 --> 00:18:50.020
audit richiedevano l'invio di prove via email per settimane. Ora la stessa IA che ha scritto

00:18:50.020 --> 00:18:54.340
il report può rigenerare il suo percorso logico a richiesta. Ogni chiamata di recupero, stringa

00:18:54.340 --> 00:18:58.020
di query, percorso di file e timestamp viene registrato. I revisori possono riprodurre

00:18:58.020 --> 00:19:01.040
esattamente i passaggi che portano a una conclusione, trasformando la due diligence

00:19:01.040 --> 00:19:04.560
da una caccia al tesoro a una casella di controllo. Ciò che prima era un'esposizione al rischio

00:19:04.560 --> 00:19:08.900
diventa un gioiello di governance. La produzione acquisisce un vantaggio predittivo. I flussi

00:19:08.900 --> 00:19:13.040
quantitativi di Fabric rivelano deviazioni di processo. Le note qualitative di SharePoint

00:19:13.040 --> 00:19:17.280
spiegano le cause. Argentic Loop li correla prima che gli alert vengano inoltrati, eseguendo

00:19:17.280 --> 00:19:21.300
in modo efficace il miglioramento continuo senza un consulente Six Sigma. Immagina di sostituire

00:19:21.300 --> 00:19:24.500
una stanza di stegisti oberati di lavoro con un gruppo di consulenti esperti che non dormono

00:19:24.500 --> 00:19:28.140
mai. Non dimenticano mai il contesto e non sforano mai il budget. Questo è l'equivalente

00:19:28.140 --> 00:19:33.020
operativo dell'intelligence composta. Naturalmente, l'automazione è importante solo se è responsabile.

00:19:33.220 --> 00:19:37.380
Argentic Rug preserva ogni livello di eredità aziendale, autorizzazioni, etichette di riservatezza

00:19:37.380 --> 00:19:40.960
e registri di controllo, in modo che i CIO possano ampliare l'intelligence senza aumentare

00:19:40.960 --> 00:19:45.200
il rischio. Ogni intuizione è riconducibile alle credenziali dell'utente e al riposito rigestito

00:19:45.200 --> 00:19:49.720
che l'ha prodotta. Il sistema funziona come un registro finanziario per il pensiero, trasparente,

00:19:49.720 --> 00:19:54.780
reversibile e a prova di manomissione. E il costo umano? Riduzione della noia. I professionisti

00:19:54.780 --> 00:19:58.520
smettono di copiare e incollare dalle esportazioni e iniziano a interpretare verità sintetizzate.

00:19:58.680 --> 00:20:02.340
Le riunioni si accorciano perché l'intelligenza artificiale arriva con prove preconvalidate.

00:20:02.460 --> 00:20:06.720
I progetti accelerano perché dati e narrazione convergono all'istante. Questa è la parte che

00:20:06.720 --> 00:20:10.860
sfugge ai dirigenti. Muoversi velocemente non è avventato quando il ragionamento è documentato.

00:20:11.020 --> 00:20:14.680
La vera incoscienza è continuare a costruire stupidi copiloti, pappagalli che sparano una sola

00:20:14.680 --> 00:20:18.460
volta e ignorano il contesto, mascherati da strateghi. Vanno nel museo delle prime curiosità

00:20:18.460 --> 00:20:22.180
sull'IA accanto a clippi. Quindi, se la tua azienda celebra ancora un copilota che si limita

00:20:22.180 --> 00:20:26.340
a recuperare dati, congratulazioni, stai finanziando un sofisticato completamento automatico. I player

00:20:26.340 --> 00:20:30.800
seri stanno già utilizzando agenti che pianificano, verificano e agiscono. La regressione da mesi a

00:20:30.800 --> 00:20:35.160
minuti è solo il vantaggio superficiale. Quello più profondo è l'integrità epistemica. Decisioni

00:20:35.160 --> 00:20:38.420
che riflettono effettivamente la realtà perché l'intelligenza che le elabora è ritenuta

00:20:38.420 --> 00:20:42.560
responsabile. Ecco perché continuare a costruire stupidi copiloti non è solo inefficiente, è

00:20:42.560 --> 00:20:46.700
sconsiderato. Il futuro dell'intelligenza artificiale aziendale non sono prompt più grandi, ma cicli

00:20:46.700 --> 00:20:50.720
di feedback più piccoli con memoria e governance migliori. Argentic RUG offre entrambe le cose.

00:20:50.920 --> 00:20:54.900
L'intelligenza finalmente si comporta come un sistema, non come una trovata. Smettila di

00:20:54.900 --> 00:20:59.920
costruire. Inizia a pensare. RUG senza agenzia è obsoleto. È l'architettura di ieri che finge

00:20:59.920 --> 00:21:03.880
di gestire i problemi di domani. L'azienda moderna non ha bisogno di chatbot. Ha bisogno

00:21:03.880 --> 00:21:08.000
di un'infrastruttura cognitiva, di sistemi in grado di pianificare, verificare e agire sotto

00:21:08.000 --> 00:21:12.320
la tua identità, non accanto ad essa. Questo è Agnetic RUG, un ecosistema di ragionamento

00:21:12.320 --> 00:21:16.600
deliberato basato su Azure Agent Service che comunica in modo sicuro con SharePoint e Microsoft

00:21:16.600 --> 00:21:20.740
Fabric come un team di esperti che condividono un cervello autenticato. Se il tuo copilota

00:21:20.740 --> 00:21:24.380
non riesce ancora a pianificare i propri recuperi, convalidare i riferimenti o spiegare il suo

00:21:24.380 --> 00:21:28.660
percorso di ragionamento, smettila di chiamarlo intelligente, è decorativo. L'intelligenza

00:21:28.660 --> 00:21:33.820
implica intento, verifica e conseguenza. L'intelligenza artificiale decorativa esegue monologhi,

00:21:33.980 --> 00:21:39.120
agnetica e conduce esperimenti. La differenza è la responsabilità. Uno crea output, l'altro

00:21:39.120 --> 00:21:43.800
crea comprensione. Questo cambiamento architetturale non è più facoltativo. Nel momento in cui

00:21:43.800 --> 00:21:48.340
la tua decisione abbraccia dati strutturati e non strutturati, static ragcrolla. I responsabili

00:21:48.340 --> 00:21:51.580
della conformità lo sanno già, gli analisti lo percepiscono già e la dirigenza presto

00:21:51.580 --> 00:21:55.220
richiederà una prova di ragionamento, non solo la sicurezza del tono. Lo stack Microsoft

00:21:55.220 --> 00:21:59.920
fornisce finalmente l'impalcatura. Servizio Azure Agent per l'orchestrazione, agenti dati

00:21:59.920 --> 00:22:03.860
Fabric per la verità quantitativa, recuperi di SharePoint per il contesto e governance pur

00:22:03.860 --> 00:22:07.980
che sigilla l'intero sistema nervoso. Ecco quindi la sfida. Smetti di distribuire

00:22:07.980 --> 00:22:12.220
pony da esposizione. Crea agenti che discutono tra loro finché non concordano sulla verità.

00:22:12.540 --> 00:22:16.300
Sperimenta con la pianificazione multiagente. Esegui test per conto dell'autenticazione.

00:22:16.500 --> 00:22:19.100
Collega fabbriche SharePoint insieme finché la tua intelligenza artificiale non è effettivamente

00:22:19.100 --> 00:22:22.080
in grado di difendere le sue risposte. Perché l'intelligenza senza azione non è affatto

00:22:22.080 --> 00:22:25.040
intelligenza? Se questa spiegazione ti ha chiarito più di quanto abbia mai fatto il

00:22:25.040 --> 00:22:29.400
tuo fornitore, iscriviti. Il prossimo approfondimento analizza la progettazione multiagente all'interno

00:22:29.400 --> 00:22:34.820
di Microsoft 365 AI. Come rendere il tuo copilota non solo attento, ma anche senziente

00:22:34.820 --> 00:22:39.720
all'interno dei criteri. L'efficienza non è magia, è architettura. Blocca il tuo percorso.

00:22:40.060 --> 00:22:44.340
Iscriviti, abilita gli avvisi e lascia che le nuove analisi si attivino. Procedi.
